换一批Ⅱ导联心电图中心肌梗死检测与定位:基于多尺度残差模块融合改进通道注意力模型
A myocardial infarction detection and localization model based on multi-scale field residual blocks fusion with modified channel attention
摘要目的 提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持.方法 本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA).该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特征信息,并引入改进通道注意力自动调整特征权重,增强模型对MI区域的关注能力,从而提高MI检测与定位的精度.结果 使用公开的PTB数据集对提出的模型进行了5折交叉验证.在MI检测任务中,模型在测试集上的准确率、特异性、敏感度分别达到99.96%、99.84%和99.99%;在MI定位任务中,准确率、特异性、敏感度分别为99.81%、99.98%和99.65%.检测和定位结果均优于其他几种模型.结论 本研究提出的MSF-RB-MCA模型在基于II导联ECG信号的MI检测与定位方面表现出色,展现出其在可穿戴设备领域中的广泛应用前景.
更多相关知识
关键词
心肌梗死深度学习多尺度残差模块改进通道注意力myocardial infarctiondeep learningmulti-scaleresidual blockmodified channel attention
栏目名称
DOI
10.12122/j.issn.1673-4254.2025.08.22
发布时间
2025-09-15（万方平台首次上网日期，不代表论文的发表时间）
- 浏览3
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
