换一批基于深度学习的心电信号特征点检测的算法研究
Research on ECG signal feature point detection algorithm based on deep learning
摘要为实现自动、准确、有效地心电数据分析,本研究提出了一种基于深度学习的心电信号智能分析模型ECG SegNet,以识别P波、QRS波群和T波并检测波形的起止点和偏差.首先,在编码器路径引入标准空洞卷积模块,使模型能够提取更多的心电信号特征;然后,在编码结构加入双向长短期记忆网络以获得大量时间特征;此外,将编码器路径上各级特征集分别短接至解码器部分进行多尺度解码,以减少编码过程中的信息损失.最后,该模型分别在QT和LU数据库上进行训练和测试.在QT数据库上,P波、QRS波群、T波起止点检测的平均F1 分别为 99.53%、99.82%、99.41%;在LU数据库上,P波、QRS波群、T波起止点检测的平均F1 分别为 94.74%、98.88%、97.53%.结果表明,本研究在心电信号波形检测上具有良好的灵活性和准确性,是一种可靠的心电信号自动分析方法.
更多相关知识
关键词
心电信号深度学习编码解码结构卷积神经网络双向长短时记忆网络ElectrocardiogramDeep learningEncoder-decoder structureConvolution neural networkBidirectional long short-term memory
分类号
R318（医用一般科学）
栏目名称
DOI
10.19529/j.cnki.1672-6278.2023.04.04
发布时间
2024-01-19（万方平台首次上网日期，不代表论文的发表时间）
- 浏览78
- 被引5
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
