本文介绍了一种整合模拟计算和深度学习的方法，用于心电图（ECG）心律失常分类。该方法利用硬件高效且完全模拟的心律失常分类架构，实现了低功耗下的高准确性。实验评估表明，该方法在患者内心律失常分类和心肌梗死（MI）分类方面具有很高的准确性。这种创新的方法为开发低功耗心律失常分类系统提供了一个有前景的途径。

该文介绍了一种基于掩蔽自动编码器的无监督预训练技术，用于心电图心律失常分类任务。该方法在未标记数据的任务特定微调中表现出更好的性能，相较于全监督方法，在MITDB数据集上取得了94.39%的准确率。