论文题目：
Cardiologist-LevelArrhythmiaDetectionwithConvolutionalNeuralNetworks
推荐程度：* * * * *
推荐理由：来自andrew NG团队
一句话总结
该论文主要做的事情建立了从单导联的心电信号到14种心脏疾病的模型，模型是一个34层的CNN网络。
文章细节描述
数据
训练集：来自29163个人的64121个心电序列数据 ，每个心电数据为200HZ采样率，时长为30秒
数据来源于Zio Patch(一个心脏贴片公司)
心电的标注来源于一个心电科的医生
测试集为： 来自328个人的336个数据（相比于训练集，感觉测试集有点太小了，每种类别的数量最少的只有17个，基本都是30多）
模型
34层的残差CNN 将ECG序列映射到label序列
检测label
定义了12种心脏异常状态和窦性心率及噪声，共14种
对照表：
AFIB
AFL
窦性心律 心房颤动
MIT-BIH 47个
结果
正确率从0.519到0.908不等，几乎都是模型的效果要略好一点
总结
- 论文声称自己的模型超过了心电科的医生，不同于传统的提取各种统计指标再训练模型，是一种直接从sequnce训练的模型，确实能够减少很多工作量
2.果然数据才是王道，几万个有标记的心电数据！！！
疑问：
一个问题： 最后是检测算法和医生识别的平均值作对比 如果医生识别率这么低，那training data的标签可信吗？？
