心电图信号反映了心脏的当前状态，对心脏的临床诊断具有重要意义。卷积神经网络在心电模式识别中表现优异。然而，处理ECG信号的细胞神经网络需要将其从1D转换为2D，这导致了硬件上的额外电路和时间成本。

鉴于此，福州大学陈惠鹏等人提出了一种卷积有机晶体管（COT），用于用细胞神经网络监测心电图。

本文要点：

1）基于表面电场效应和陷阱效应，COT可以直接处理1D心电数据，而无需复杂的预处理。理论上可以完成每秒≈2万次心电信号的卷积计算，与传统阵列相比，设备数量减少了83%。

2）此外，实际的ECG信号被测量并输入到COT中，COT可以初始地识别ECG异常的类型。最后，结合1D CNN，在五种心跳分类任务中建立了识别准确率为96.2%的点计算检测系统。

参考文献：

E. Cheng, X. Zhang, J. Wu, H. Chen, D. Liu, Y. Fan, M. Lian, T. Guo, H. Chen, Point Calculation Detection System Based on In Suit Convolution Transistor for Clinical Diagnosis of Heart Disease. Adv. Funct. Mater. 2024, 2316673.

https://doi.org/10.1002/adfm.202316673