心律不整可透過醫師進行心電圖ECG檢查診斷得出，但在日常生活中心律不整之表現有時難以鑑別或沒有明顯症狀，若能透過平常心跳發現心臟的潛在危險並進行治療之提醒，則可避免突發的意外及生命危險，針對醫療資源缺乏地區則可提供更多的保障。
美國史丹福大學研究人員(Stanford Machine Learning Group) 研發出媲美心臟科醫師診斷，可準確偵測出14種心律不整之深度學習演算法(Deep learning algorithm)，為使用穿戴式監測 (加州iRhythm Technologies公司之心電監測儀Zio) 大量數值建立出之深度神經網路模型(Deep neural network model)，可由穿戴式監測蒐集到數個小時的心電訊號資料判斷出不同的心律不整類型。未來可做為第一線診斷使用及以期未來可優於人工判斷之精確診斷系統。
參考影片：https://youtu.be/XVDDEsmbjuE
新聞出處：http://news.stanford.edu/…/algorithm-diagnoses-heart-arrhy…/
演算法文獻：https://arxiv.org/abs/1707.01836
心律不整類型 在 心跳過快.過慢常見心律不整種類與病因 - YouTube 的推薦與評價
心跳過快.過慢，常見 心律不整 種類與病因， 心律不整 病因區分，遺傳.基因變異先天性，狹心症引發.三高共病症，後天性 心律不整 ，糖尿病.心臟衰竭共病症， ... ... <看更多>