Privacy-Preserving Federated Autoencoder for ECG Anomaly Detection on Edge Devices
该论文提出并评估了一个端到端的联邦学习系统,用于在边缘设备上进行无监督的12导联心电图异常检测。系统结合了三种自编码器架构(VanillaAE、ConvAE、VAE),基于Flower框架实现跨十个模拟医院的联邦平均聚合,并集成客户端差分隐
共收录 2 条相关情报。
← 返回所有主题该论文提出并评估了一个端到端的联邦学习系统,用于在边缘设备上进行无监督的12导联心电图异常检测。系统结合了三种自编码器架构(VanillaAE、ConvAE、VAE),基于Flower框架实现跨十个模拟医院的联邦平均聚合,并集成客户端差分隐
本文提出了一种基于注意力引导的1D与2D CNN融合框架,用于鲁棒的ECG生物特征识别。现有方法大多单独处理一维时间信号或二维时频表示,泛化能力有限。作者构建了一个端到端的混合架构:1D分支(采用InceptionTime)从原始ECG信号