-
题名基于改进残差网络对心电信号的识别
被引量：8
- 1
-
-
作者
潘辉
郑威
张莹莹
-
机构
江苏科技大学电子信息学院
-
出处
《数据采集与处理》
CSCD
北大核心
2020年第4期682-692,共11页
-
基金
国家自然科学基金(61601206,61671221)资助项目
江苏省自然科学基金(BK2016055)资助项目
江苏省高校自然科学研究(15KJB310003,16KJD510001,17KJB510013)资助项目。
-
文摘
心血管疾病是当今人类死亡的主要原因之一。本文基于改进的残差网络对心电信号进行识别,并将改进后的残差网络和空洞卷积进行结合,特征提取时保持局部信息不变的同时尽可能地提取全局信息。研究使用K折交叉验证对MIT⁃BIH心律失常数据集进行训练、验证和测试。首先使用卷积层汇集输入图像,其次利用改进后的网络进行特征提取,最后使用Softmax分类器进行分类。在MIT⁃BIH心律不齐数据库中,提出的模型在没有任何额外人工特征和数据增强进行辅助的情况下,获得了97.20%的准确度、92.85%的敏感度、98.29%的特异性、93.16%的精确度和93.00%的F1分数。该研究将为医疗机构对于心电信号检测识别提供技术支撑,从而减轻专业医师的工作负荷。
-
关键词
心律失常信号
空洞卷积
残差网络
MIT⁃BIH
Softmax
-
Keywords
arrhythmia signal
dilated convolution
residual network
MIT⁃BIH
Softmax
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于机器学习的心律失常信号分类算法研究
被引量：5
- 2
-
-
作者
刘腾
唐虹
张士兵
-
机构
南通大学电子信息学院
南通先进通信技术研究院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第3期940-943,共4页
-
基金
江苏省高等学校自然科学研究重大项目(17KJA540001)
南通大学—南通智能信息技术联合研究中心开放课题(KFKT2017B07)。
-
文摘
心电图中心律失常信号的分类识别是诊断心血管类疾病的重要依据。基于MIT-BIH提供的数据文件,通过小波变换提取了心电信号的21组特征信息,针对常见五类心律信号的分类识别进行了研究,设计实现了基于softmax回归和神经网络的分类算法。实验结果表明,一个适用的神经网络算法训练速度更快,在较少的迭代次数下,分类识别的正确率稳定在90%以上。
-
关键词
心律失常信号
分类识别
小波变换
softmax回归
深度神经网络
-
Keywords
arrhythmia signal
classification and identification
wavelet transform
softmax regression
deep neural network
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名心律失常的多重分形去趋势波动分析
被引量：3
- 3
-
-
作者
赵烨南
王俊
-
机构
南京邮电大学通信与信息工程学院图像处理与图像通信江苏省重点实验室
南京邮电大学地理与生物信息学院图像处理与图像通信江苏省重点实验室
-
出处
《北京生物医学工程》
2012年第5期474-477,共4页
-
基金
江苏省自然科学基金(BK2011759)资助
-
文摘
目的心律失常的及早诊断对及时救助病人具有重要意义。方法基于多重分形去趋势波动分析方法,本文对正常心电信号及窦、房性心律失常信号进行分析。结果发现三种信号都具有不同程度的长程相关性和多重分形特性,且在波动函数的阶数为正值时,三种信号的长程相关特性最为明显。通过比较三种信号的多重分形谱,发现正常心电信号的多重分形谱宽度最小,窦性心动过缓信号次之,心房颤动宽度最大。结论此研究结果对临床医学诊断区分心律失常与正常心电信号有很好的借鉴意义。
-
关键词
心律失常信号
标度不变性
多重分形
去趋势波动分析
-
Keywords
arrhythmia signal
scale invariance
multifractality
detrended fluctuation analysis
-
分类号
R318.04
[医药卫生—生物医学工程]
-
