换一批
换一批摘要为从心电图(electrocardiogram,ECG)中准确识别心拍,本研究提出了一种融合残差连接与注意力机制的改进一维U-Net语义分割模型,使用从上万名患者远程动态ECG记录中截取的 148 340 条单导联ECG数据,对正常窦性心律(Nor-mal)、室性早搏(premature ventricular contraction,PVC)、房性早搏(atrial premature beat,APB)、左束支传导阻滞(left bundle branch block,LBBB)和右束支传导阻滞(right bundle branch block,RBBB)五种常见心拍进行分类.该模型以一定长度的ECG片段作为输入,通过添加背景标签,完成对所有采样点的语义分割,实现对各心拍进行定位的同时,完成类型识别.在测试集上的实验结果表明,该模型能够准确检测心拍位置,仅有 0.04%的心拍被漏检;对Normal、PVC、APB、LBBB、RBBB心拍分类的F1分数分别为 99.44%、99.03%、97.63%、95.25%和 94.77%.该方法与传统U-Net模型相比,能够取得更好的心拍分类效果.
更多相关知识
关键词
心拍分类U-Net语义分割残差连接注意力机制ECG beat classificationU-NetSemantic segmentationResidual connectionAttention mechanism
分类号
R318
栏目名称
DOI
10.19529/j.cnki.1672-6278.2024.03.05
发布时间
2024-07-24
- 浏览5
- 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
