换一批
换一批基于BiLSTM-Attention混合神经网络的心律失常预测
Arrhythmia Prediction Based on BiLSTM-Attention Hybrid Neural Network
摘要目的 探讨BiLSTM-Attention混合神经网络模型在心律失常预测中的应用价值.方法 选取中国心血管疾病数据库27036条心电图(Electrocardiogram,ECG)数据,按照8∶1∶1的比例划分为训练集、验证集和测试集,采用中值滤波法与小波变换阈值法对原始ECG数据进行降嗓预处理,采用BiLSTM对数据进行特征学习,融合注意力机制分配注意力权重,构建BiLSTM-Attention模型进行心律失常分类预测.将BiLSTM-Attention模型与长短期记忆网络(Long Short-Term Memory,LSTM)、LSTM-Attention和BiLSTM模型进行对比,采用Fl分数和曲线下面积(Area Under Curve,AUC)对模型进行评价.结果 BiLSTM-Attention模型总体的F1分数为0.799,心房颤动、一度房室传导阻滞、窦性心律失常、窦性心律均获得了较高的F1分数,分别为0.955、0.862、0.954和0.917,9类心律失常的AUC均大于0.87.结论 BiLSTM-Attention心律失常分类模型具备较强的分类能力,对部分心律失常有较强的识别能力,经训练后能更好地辅助临床进行心律失常诊断,具备一定的实用价值.
更多相关知识
关键词
心律失常BiLSTM-Attention注意力机制混合神经网络arrhythmiaBiLSTM-Attentionattention mechanismhybrid neural network
栏目名称
DOI
10.3969/j.issn.1674-1633.2023.11.013
发布时间
2023-12-22
- 浏览27
- 被引2
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
