换一批CNN-BiLSTM:一种基于光电容积脉搏波信号的房颤检测模型
CNN-BiLSTM:An Atrial Fibrillation Detection Model Using Photoplethysmographic Signals
摘要为探索脉搏波信号中蕴含的复杂性,并实现对房颤(Atrial Fibrillation,AF)的高效识别,本文提出一种基于光电容积脉搏波(Photoplethysmography,PPG)信号的房颤检测模型.该方法融合了卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)以及光电容积脉搏波(PPG)技术,并构建了CNN-BiLSTM融合优化模型.与其他模型相比,该方法在数据预处理方面效率更高、对AF检测的灵敏度更强,所提模型在召回率(92.89%)、精确率(92.48%)以及F1值(92.64%)方面均表现出较高的性能.与多种传统模型的对比验证了该方法的有效性,其具备良好的应用前景.该方法操作简便、检测效率高,可在一定程度上替代传统心电图检测方式,为房颤患者的长期监测与随访提供了新思路.
更多相关知识
栏目名称
DOI
10.16644/j.cnki.cn33-1094/tp.2025.08.002
发布时间
2025-09-04（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
