RETRACTED: An Innovative Machine Learning Approach for Classifying ECG Signals in Healthcare Devices

Table 2

Comparison of classification metrics.

Rhythm	BDLSTM				Residual				LSTM-CNN				Proposed RBFNN
Class	R	P	S	F1	R	P	S	F1	R	P	S	F1	R	P	S	F1
Sinus rhythm	0.82	0.83	0.94	0.84	0.64	0.88	0.86	0.76	0.79	0.80	0.95	0.79	0.85	0.87	0.96	0.89
Artifact/noise	0.88	0.82	0.94	0.83	0.89	0.97	0.94	0.82	0.81	0.83	0.94	0.81	0.89	0.85	0.92	0.84
Ventricular tachycardia	0.16	0.51	0.95	0.26	0.48	0.92	0.96	0.08	0.56	0.57	0.97	0.43	0.55	0.34	0.94	0.67
Atrial fibrillation	0.81	0.83	0.94	0.82	0.78	0.93	0.92	0.76	0.73	0.69	0.89	0.84	0.88	0.81	0.97	0.81
Bigeminy	0.72	0.65	0.82	0.67	0.89	0.98	0.98	0.16	0.67	0.67	0.96	0.55	0.84	0.83	0.91	0.80
PVC	0.78	0.76	0.88	0.76	0.78	0.93	0.93	0.83	0.79	0.77	0.92	0.72	0.81	0.82	0.95	0.89