-
题名基于CNN和ET的智能ECG识别方法
被引量：1
- 1
-
-
作者
张丹
何志涛
陈永毅
尹武涛
-
机构
浙江工业大学信息工程学院
无锡博智芯科技有限公司
-
出处
《浙江工业大学学报》
CAS
北大核心
2021年第6期602-607,共6页
-
基金
国家重点研发计划(2018YFE0206900)。
-
文摘
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。
-
关键词
卷积神经网络
小波分解
极端随机树
ECG分类
-
Keywords
convolutional neural network(CNN)
wavelet decomposition
extreme random tree(et)
ECG classification
-
分类号
TP391.77
[自动化与计算机技术—计算机应用技术]
-
