基于深度卷积残差网络的心电单导联房颤检测方法

赵人行; 徐频捷; 刘瑶

首页> 中文期刊> 《计算机科学》 >基于深度卷积残差网络的心电单导联房颤检测方法

基于深度卷积残差网络的心电单导联房颤检测方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

在智能诊断需求日益增长的背景下,提出了一种基于残差网络形式构建的卷积神经网络,该模型作为心电信号房颤分类的方法,使用MIT-BIH的心房颤动公开数据集来验证所提方法的效果,以辅助房颤自动检测。针对心电信号二分类问题,首先,对数据集进行前期数据预处理,然后将处理后的数据输入到卷积神经网络,以构建深度学习模型,使其对房颤特征进行自动提取,最后利用深度学习模型进行房颤检测,通过五折交叉验证得到构建模型分类的敏感性为99.26%,特异性为99.42%,阳性预测值为99.61%,准确率为99.47%。将所提模型的性能与已有模型进行了比较,证实了所提模型用于房颤检测的可行性。由此得出结论,通过残差网络构建的房颤自动检测系统可以达到房颤的良好分类效果,有助于房颤自动检测。

著录项

来源
《计算机科学》 |2022年第5期|186-193|共8页
作者
赵人行; 徐频捷; 刘瑶;
展开▼
作者单位

北京邮电大学经济管理学院;

中国科学院计算技术研究所;

中国科学院大学计算机科学与技术学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类机器辅助技术;
关键词
房颤; 残差网络; 卷积神经网络; 心电信号; 自动检测;

相似文献

中文文献
外文文献
专利

1. 一种基于深度残差卷积神经网络的歌声检测算法 [J] . 桂文明 ,吕家伟 ,敖志强 . 金陵科技学院学报 . 2021,第001期
2. 一种基于深度残差卷积神经网络的歌声检测算法 [J] . 桂文明 ,吕家伟 ,敖志强 . 金陵科技学院学报 . 2021,第001期
3. 基于深度残差卷积神经网络的高光谱图像超分辨方法 [J] . 邹长忠 ,黄旭昇 . 福州大学学报（自然科学版） . 2020,第005期
4. 基于深度帧差卷积神经网络的运动目标检测方法研究 [J] . 欧先锋 ,晏鹏程 ,王汉谱 . 电子学报 . 2020,第012期
5. 基于“残差-挤压激励”深度混合卷积网络的土地利用分类 [J] . 王春阳 ,张英杰 ,李长春 . 农业工程学报 . 2022,第1期
6. 基于扩展卡尔曼和多项式网络的单导联胎儿心电提取算法研究 [C] . 徐雯 ,赵治栋 ,叶海慧 . 浙江省信号处理学会2015学术年会 . 2015
7. 基于单导联心电信号的房颤/早搏鉴别与房室传导阻滞的识别方法研究 [A] . 罗成思 . 2018

基于深度卷积残差网络的心电单导联房颤检测方法

摘要

著录项

相似文献

相关主题

期刊订阅