期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于确定学习及心电动力学图的心肌缺血早期检测研究
被引量：
4
1
作者
孙庆华
王磊
+7 位作者
王聪
王乾
吴伟明
赵媛媛
王喜萍
董潇男
周彬
唐闽
《自动化学报》
EI
CSCD
北大核心
2020年第9期1908-1926,共19页
心肌缺血早期检测是心血管疾病领域重要且困难的问题.本文采用心电动力学图(Cardiodynamicsgram,CDG)开展心电图正常及大致正常时的心肌缺血早期检测研究.1)在分析已有基于心电图的心肌缺血检测方法所取得的进展及不足基础上,构建一个...
心肌缺血早期检测是心血管疾病领域重要且困难的问题.本文采用心电动力学图(Cardiodynamicsgram,CDG)开展心电图正常及大致正常时的心肌缺血早期检测研究.1)在分析已有基于心电图的心肌缺血检测方法所取得的进展及不足基础上,构建一个既有心电图发生缺血性改变、又有心电图正常及大致正常、且包括经冠脉造影检验为冠脉阻塞性病变和非阻塞性病变的较大规模心肌缺血数据集.2)针对上述数据集中393例心电图正常及大致正常患者,利用确定学习生成每份心电图的心电动力学图,提取对心肌缺血和非缺血具有显著区分能力的心电动力学特征.并以冠脉狭窄50%为缺血标准,采用机器学习算法构建心肌缺血检测模型.3)针对上述试验中假阳性病例,利用由确定学习生成的具有明确物理意义的心电动力学图进行逐例分析,发现其中许多假阳性存在慢血流现象(即冠脉非阻塞性病变).对这些慢血流病例重新进行缺血标注,以改善心肌缺血数据集标注精度.通过上述三个步骤构建了更为准确的心肌缺血检测模型,其缺血检测结果:灵敏度90.1%、特异度85.2%、准确率89.0%和受试者工作特征曲线(Receiver operating characteristic curve,ROC)下面积(Area under curve,AUC)0.93.综上,本文所构建的较大规模心肌缺血数据集可为心肌缺血检测研究和临床研究提供重要的数据基础;且构建的心肌缺血检测模型对心电图正常及大致正常患者具有较强的缺血检测能力;特别是,由确定学习生成的心电动力学图具有较好的可解释性,有助于发现缺血数据标注的偏差和模型的错误,提高心肌缺血检测准确率.
展开更多
关键词
心电
动力学图
心肌缺血
确定学习
心电
数据
集
下载PDF
职称材料
TSCNN:面向可穿戴心电信号监测与分析的卷积神经网络
被引量：
4
2
作者
孟琭
葛康
+1 位作者
宋阳
杨东溟
《中国图象图形学报》
CSCD
北大核心
2020年第10期2281-2292,共12页
目的可穿戴设备能够长时间实时监测人体心脏状况,其在心电信号监测领域应用广泛。但目前仍没有公开的来自可穿戴设备的心电数据集,大部分心电信号分析算法都是针对医院设备所采集的心电数据。因此,本文使用IREALCARE 2.0柔性远程心电贴...
目的可穿戴设备能够长时间实时监测人体心脏状况,其在心电信号监测领域应用广泛。但目前仍没有公开的来自可穿戴设备的心电数据集,大部分心电信号分析算法都是针对医院设备所采集的心电数据。因此,本文使用IREALCARE 2.0柔性远程心电贴作为心电信号监测和采集设备制作了可穿戴设备的心电数据集。针对可穿戴心电数据干扰多、数据量大等特点,本文提出了一种针对可穿戴设备获得的心电信号进行自动分类的深层卷积神经网络,称之为时空卷积神经网络(time-spatial convolutional neural networks,TSCNN)。方法将原始的长时间心电信号分割为单个的心搏并与滤波后不同频段的心搏数据组合成十通道的数据输入到TSCNN中。TSCNN对每个心搏使用时间卷积和空间滤波来提取丰富的特征。采用小卷积核级联卷积的方式提高分类性能,并降低网络的参数量和计算量。结果在本文制作的心电数据集上进行了测试,并与其他4种心电分类算法:CNN(convolutional neural networks)、RNN(recurrent neural networks)、1-DCNN(1-dimensional convolution neural networks)和DCN(dense convolutional networks)进行了比较。实验结果显示,本文方法的分类准确率达到91.16%,优于其他4种方法。结论本文方法面向可穿戴心电数据,获得了较好的分类性能,可以有效监控穿戴者是否出现了心电异常情况。
展开更多
关键词
可穿戴设备
可穿戴
心电
数据
集
心脏监测
卷积神经网络
空间滤波
原文传递
题名
基于确定学习及心电动力学图的心肌缺血早期检测研究
被引量：
4
1
作者
孙庆华
王磊
王聪
王乾
吴伟明
赵媛媛
王喜萍
董潇男
周彬
唐闽
机构
华南理工大学自动化科学与工程学院
新疆石河子市人民医院心内科
山东大学控制科学与工程学院
山东大学智能医学工程研究中心
中国医学科学院阜外医院
出处
《自动化学报》
EI
CSCD
北大核心
2020年第9期1908-1926,共19页
基金
国家重大科研仪器研制项目(61527811)
广州市科技计划项目(201704020078)
八师石河子市科技计划项目(2018TD03)资助。
文摘
心肌缺血早期检测是心血管疾病领域重要且困难的问题.本文采用心电动力学图(Cardiodynamicsgram,CDG)开展心电图正常及大致正常时的心肌缺血早期检测研究.1)在分析已有基于心电图的心肌缺血检测方法所取得的进展及不足基础上,构建一个既有心电图发生缺血性改变、又有心电图正常及大致正常、且包括经冠脉造影检验为冠脉阻塞性病变和非阻塞性病变的较大规模心肌缺血数据集.2)针对上述数据集中393例心电图正常及大致正常患者,利用确定学习生成每份心电图的心电动力学图,提取对心肌缺血和非缺血具有显著区分能力的心电动力学特征.并以冠脉狭窄50%为缺血标准,采用机器学习算法构建心肌缺血检测模型.3)针对上述试验中假阳性病例,利用由确定学习生成的具有明确物理意义的心电动力学图进行逐例分析,发现其中许多假阳性存在慢血流现象(即冠脉非阻塞性病变).对这些慢血流病例重新进行缺血标注,以改善心肌缺血数据集标注精度.通过上述三个步骤构建了更为准确的心肌缺血检测模型,其缺血检测结果:灵敏度90.1%、特异度85.2%、准确率89.0%和受试者工作特征曲线(Receiver operating characteristic curve,ROC)下面积(Area under curve,AUC)0.93.综上,本文所构建的较大规模心肌缺血数据集可为心肌缺血检测研究和临床研究提供重要的数据基础;且构建的心肌缺血检测模型对心电图正常及大致正常患者具有较强的缺血检测能力;特别是,由确定学习生成的心电动力学图具有较好的可解释性,有助于发现缺血数据标注的偏差和模型的错误,提高心肌缺血检测准确率.
关键词
心电
动力学图
心肌缺血
确定学习
心电
数据
集
Keywords
Cardiodynamicsgram(CDG)
myocardial ischemia
deterministic learning
electrocardiogram(ECG)dataset
分类号
R540.41 [医药卫生—心血管疾病]
R542.2 [医药卫生—内科学]
下载PDF
职称材料
题名
TSCNN:面向可穿戴心电信号监测与分析的卷积神经网络
被引量：
4
2
作者
孟琭
葛康
宋阳
杨东溟
机构
东北大学信息科学与工程学院
北京瑞尔视景科技有限公司
盘锦市中心医院
出处
《中国图象图形学报》
CSCD
北大核心
2020年第10期2281-2292,共12页
基金
国家自然科学基金项目(61973058)
中央高校基本科研业务费专项资金资助(N2004020)。
文摘
目的可穿戴设备能够长时间实时监测人体心脏状况,其在心电信号监测领域应用广泛。但目前仍没有公开的来自可穿戴设备的心电数据集,大部分心电信号分析算法都是针对医院设备所采集的心电数据。因此,本文使用IREALCARE 2.0柔性远程心电贴作为心电信号监测和采集设备制作了可穿戴设备的心电数据集。针对可穿戴心电数据干扰多、数据量大等特点,本文提出了一种针对可穿戴设备获得的心电信号进行自动分类的深层卷积神经网络,称之为时空卷积神经网络(time-spatial convolutional neural networks,TSCNN)。方法将原始的长时间心电信号分割为单个的心搏并与滤波后不同频段的心搏数据组合成十通道的数据输入到TSCNN中。TSCNN对每个心搏使用时间卷积和空间滤波来提取丰富的特征。采用小卷积核级联卷积的方式提高分类性能,并降低网络的参数量和计算量。结果在本文制作的心电数据集上进行了测试,并与其他4种心电分类算法:CNN(convolutional neural networks)、RNN(recurrent neural networks)、1-DCNN(1-dimensional convolution neural networks)和DCN(dense convolutional networks)进行了比较。实验结果显示,本文方法的分类准确率达到91.16%,优于其他4种方法。结论本文方法面向可穿戴心电数据,获得了较好的分类性能,可以有效监控穿戴者是否出现了心电异常情况。
关键词
可穿戴设备
可穿戴
心电
数据
集
心脏监测
卷积神经网络
空间滤波
Keywords
wearable devices
wearable ECG dataset
cardiac monitoring
convolutional neural network(CNN)
spatial filtering
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于确定学习及心电动力学图的心肌缺血早期检测研究
孙庆华
王磊
王聪
王乾
吴伟明
赵媛媛
王喜萍
董潇男
周彬
唐闽
《自动化学报》
EI
CSCD
北大核心
2020
4
下载PDF
职称材料
2
TSCNN:面向可穿戴心电信号监测与分析的卷积神经网络
孟琭
葛康
宋阳
杨东溟
《中国图象图形学报》
CSCD
北大核心
2020
4
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
