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
共找到10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：
一种改进的ECG分类神经网络方法 被引量：2
1
作者 吴新根 吕维雪 罗立民 《电子学报》 EI CAS CSCD 北大核心 1997年第10期44-47,共4页
本文引入信息熵作为惩罚函数，加入到神经网络的代价函数中．经过训练获得了更有组织的隐层神经元激励模式，每个输入样本仅使隐层少数神经元产生响应．经过本文提出的裁剪算法的裁剪后，减小了网络的规模，提高了神经网络的泛化能力和... 本文引入信息熵作为惩罚函数，加入到神经网络的代价函数中．经过训练获得了更有组织的隐层神经元激励模式，每个输入样本仅使隐层少数神经元产生响应．经过本文提出的裁剪算法的裁剪后，减小了网络的规模，提高了神经网络的泛化能力和计算效率．文中的ＥＣＧ分类也证实了这一结果． 展开更多
关键词 信息熵 神经网络 泛化性能 ecg分类
下载PDF
基于多头注意力机制的房颤检测方法 被引量：2
2
作者 顾佳艳 蒋明峰 +2 位作者 李杨 张鞠成 王志康 《计算机系统应用》 2021年第4期17-24,共8页
近年来,随着人工智能的发展,深度学习模型已在ECG数据分析(尤其是房颤的检测)中得到广泛应用.本文提出了一种基于多头注意力机制的算法来实现房颤的分类,并通过PhysioNet 2017年挑战赛的公开数据集对其进行训练和验证.该算法首先采用深... 近年来,随着人工智能的发展,深度学习模型已在ECG数据分析(尤其是房颤的检测)中得到广泛应用.本文提出了一种基于多头注意力机制的算法来实现房颤的分类,并通过PhysioNet 2017年挑战赛的公开数据集对其进行训练和验证.该算法首先采用深度残差网络提取心电信号的局部特征,随后采用双向长短期记忆网络在此基础上提取全局特征,最后传入多头注意力机制层对特征进行重点提取,通过级联的方式将多个模块相连接并发挥各自模块的作用,整体模型的性能有了很大的提升.实验结果表明,本文所提出的heads-8模型可以达到精度0.861,召回率0.862,F1得分0.861和准确率0.860,这优于目前针对心电信号的房颤分类的最新方法. 展开更多
关键词 ecg分类 深度学习 残差网络 双向长短期记忆网络 多头注意力机制
下载PDF
基于改进型蚁群神经网络的ECG心搏分类器 被引量：2
3
作者 黄文霞 罗浩 马占卿 《信阳师范学院学报（自然科学版）》 CAS 北大核心 2008年第4期580-583,共4页
采用改进型蚁群算法优化神经网络模型,构造一个蚁群神经网络的ECG分类器,并对MIT/BIH心律失常数据库中的4类心搏进行分类.结果表明,本文的蚁群神经网络能改善网络性能,有效地避免局部极优,提高训练速度,获得了比BP算法更好的心搏分类性能.
关键词 ecg分类 神经网络 改进的蚁群算法 MIT/BIH数据库
下载PDF
分形在心电信号处理中的应用
4
作者 韦顺会 吴鸿修 《华中理工大学学报》 CSCD 北大核心 1996年第8期64-66,共3页
研究了分形理论在ＥＣＧ信号模拟及处理上的应用，在心室树状结构传导模型的基础上，分析了模拟ＱＲＳ波的功率反比特性；同时通过对ＥＣＧ信号的分形研究，分析了给定对象的ＥＣＧ信号的显著的分形特征。
关键词 心电信号处理 分维数 ecg模拟 ecg分类
下载PDF
基于CNN和ET的智能ECG识别方法 被引量：1
5
作者 张丹 何志涛 +1 位作者 陈永毅 尹武涛 《浙江工业大学学报》 CAS 北大核心 2021年第6期602-607,共6页
心电图(ECG)是检测心血管疾病的重要依据之一,通过对各类心电图的实时分析,可以达到检测被测者房颤及心脏健康情况的目的。采用基于卷积神经网络(CNN)和极端随机树(ET)混合模型的心电信号分类方法,通过连续小波变换对数据进行滤波处理,... 心电图(ECG)是检测心血管疾病的重要依据之一,通过对各类心电图的实时分析,可以达到检测被测者房颤及心脏健康情况的目的。采用基于卷积神经网络(CNN)和极端随机树(ET)混合模型的心电信号分类方法,通过连续小波变换对数据进行滤波处理,在此基础上通过CNN-ET混合模型,实现了心电信号的分类。方法结合了CNN对一维数据的强大表征能力,通过ET降低了异常值影响,预防了过拟合问题,具有较强的泛化能力。将所提出的方法在MIT-BIH数据集上进行了测试,在5类心电心拍次数不平衡问题检测中准确率达到99.95%,与现有方法相比,该改进方法进一步提高了ECG信号分类的精确度。 展开更多
关键词 卷积神经网络 小波分解 极端随机树 ecg分类
下载PDF
基于三域特征提取和GS-SVM的ECG信号智能分类技术研究 被引量：9
6
作者 方红帏 赵涛 佃松宜 《四川大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第2期297-303,共7页
近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,... 近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,这些特征从各个方面充分表征了ECG信号的性质.再利用基于网格搜索的SVM结合归一化特征可将ECG信号划分为常见的4类.该方法的总体精度达到98.01%,f 1分值为0.9800,对ECG信号的检测性能良好,相对目前绝大多数ECG信号分类器具有更强的泛化能力. 展开更多
关键词 心律失常检测 ecg信号分类 三域特征提取 信号预处理 基于网格搜索的SVM
下载PDF
基于改进的快速独立分量分析与支持向量机的ECG分类诊断 被引量：8
7
作者 谢亮 汪晓东 《仪器仪表学报》 EI CAS CSCD 北大核心 2009年第12期2599-2604,共6页
提出了一种改进快速独立分量分析与支持向量机相结合的新型心电图分类方法。利用埃特金加速法对快速独立分量分析算法的核心迭代过程进行改造,得到改进的快速独立分量分析算法,减少了迭代次数,提高了算法的收敛速度。新方法运用改进的... 提出了一种改进快速独立分量分析与支持向量机相结合的新型心电图分类方法。利用埃特金加速法对快速独立分量分析算法的核心迭代过程进行改造,得到改进的快速独立分量分析算法,减少了迭代次数,提高了算法的收敛速度。新方法运用改进的快速独立分量分析算法提取心电图数据的特征向量,并通过支持向量机实现心电图信号的分类。对取自MIT/BH数据库的7种不同心脏状况的心电图数据进行实验,结果表明该方法整体识别率达到98.8%,改进的快速独立分量分析算法所需迭代时间比现有的快速独立分量分析算法减少48%。 展开更多
关键词 ecg信号分类 独立分量分析 埃特金加速 支持向量机
下载PDF
基于多阶人工神经网络的ECG信号诊断模型研究 被引量：6
8
作者 骆德汉 许广桂 +1 位作者 邹宇华 H.Gholam Hosseini 《仪器仪表学报》 EI CAS CSCD 北大核心 2008年第1期27-32,共6页
目前已经有多种不同的ECG(心电图)信号辅助诊断工具得到应用,其中包含了基于人工神经网络的ECG分类器应用系统。本文介绍一种基于多阶前馈人工神经网络的新型ECG信号诊断模型,其目标是设计一种结构简单、成本低、响应速度快,识别率高的... 目前已经有多种不同的ECG(心电图)信号辅助诊断工具得到应用,其中包含了基于人工神经网络的ECG分类器应用系统。本文介绍一种基于多阶前馈人工神经网络的新型ECG信号诊断模型,其目标是设计一种结构简单、成本低、响应速度快,识别率高的ECG信号辅助诊断系统。首先给出多个不同结构的神经网络,然后针对6种不同的心脏状况,比较这些神经网络之间的性能差异和辨别能力。网络的输入数据来自于M IT/B IH数据库,包括12种ECG特征信号和相应的每次心脏搏动的13段压缩信号。通过研究测试发现,基于二阶神经网络的ECG模型识别率最高,正确率达到了90.57%。 展开更多
关键词 ecg信号分类器 人工神经网络(ANN) ecg信号诊断 多阶前馈神经网络
下载PDF
基于改进深度残差网络的心电信号分类算法 被引量：2
9
作者 李鸿强 吴非凡 +2 位作者 曹路 张振 张美玲 《天津工业大学学报》 CAS 北大核心 2022年第5期65-72,共8页
针对不同类型心电(electrocardiogram,ECG)信号分类的不足,提出了一种基于改进深度残差网络(Resnet)的分类方法。首先对心电数据做可视化处理,使用格拉姆角场(Gramian angular fields,GAF)将一维的ECG信号转换为二维图像,然后对Resnet-5... 针对不同类型心电(electrocardiogram,ECG)信号分类的不足,提出了一种基于改进深度残差网络(Resnet)的分类方法。首先对心电数据做可视化处理,使用格拉姆角场(Gramian angular fields,GAF)将一维的ECG信号转换为二维图像,然后对Resnet-50网络模型进行改进,在网络中添加多级shortcut支路,并优化了残差块;为了进一步提高模型的表达能力,将Relu激活函数替换为SELU激活函数;最后将图像输入到改进的残差网络中进行分类,并在医院对患者的心电信号进行了实际测试。实验结果表明:该算法对7类心电信号的平均识别率达到了98.3%,相对于原始的残差网络,准确率提升了2.9%;算法诊断结果与医生诊断结果一致,从而验证了算法的有效性和实用性。 展开更多
关键词 心电(ecg)信号分类 残差网络(Resnet) 格拉姆角场(GAF) 激活函数
下载PDF
结合卷积神经网络与注意力机制的多域特征融合ECG心率失常分类
10
作者 曾宇辰 何照胜 +1 位作者 胡树林 廖柏林 《信息与电脑》 2023年第1期75-79,共5页
心率失常是心血管疾病诊断的重要手段,其自动分类具有重要的临床意义。为了提高心率失常分类的准确性,结合一维卷积神经网络(Convolutional Neural Networks,CNN)和注意力机制(Attention)提出了一种CNN+Attention的深度学习模型,使用CN... 心率失常是心血管疾病诊断的重要手段,其自动分类具有重要的临床意义。为了提高心率失常分类的准确性,结合一维卷积神经网络(Convolutional Neural Networks,CNN)和注意力机制(Attention)提出了一种CNN+Attention的深度学习模型,使用CNN提取心电信号的一维时域特征。针对一维时序心电信号时域特征表征能力有限的问题,使用短时傅里叶变换(Short-Time Fourier transform,STFT)将心电信号变换到时频域,通过Attention提取心电信号的时频域全局相关依赖关系,将时域与时频域特征融合对5种类型心电信号进行分类。在MIT-BIH数据集上验证了模型的有效性,所提模型对5种类型心电信号的平均分类准确率、精准率、召回率、灵敏度以及F1_Score分别为99.72%、98.55%、99.46%、99.90%以及99.00%。与已有先进方法对比,验证了所提模型具有先进的性能表现。 展开更多
关键词 心电图(ecg)分类 卷积神经网络(CNN) 注意力机制 短时傅里叶变换(STFT) 时域-时频域特征融合
下载PDF
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
使用帮助 返回顶部