换一批基于卷积神经网络特征提取与融合的心律失常分类
Arrhythmia classification based on feature extraction and fusion of convolutional neural network
摘要本研究提出一种新的心律失常自动分类方法,辅助医生诊治心律失常.通过构建卷积神经网络对心电信号以及QRS波群的小波分量进行特征提取,将网络提取到的心电信号特征和小波特征与人工提取的RR间期特征,输入到全连接层进行融合,在输出层使用softmax函数对心拍进行分类.使用MIT-BIH心律失常数据库中的MILL导联数据对网络进行训练和测试.经测试,该方法的总体分类准确度达98.12％,平均灵敏度为87.32％,平均阳性预测值为90.37％.该方法能够快速识别不同类型的心律失常,对于计算机辅助诊断心律失常的应用具有一定的参考价值.
更多相关知识
- 浏览153
- 被引8
- 下载33
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
