换一批摘要针对不同类型心电(electrocardiogram,ECG)信号分类的不足,提出了一种基于改进深度残差网络(Resnet)的分类方法.首先对心电数据做可视化处理,使用格拉姆角场(Gramian angular fields,GAF)将一维的ECG信号转换为二维图像,然后对Resnet-50网络模型进行改进,在网络中添加多级shortcut支路,并优化了残差块;为了进一步提高模型的表达能力,将Relu激活函数替换为SELU激活函数;最后将图像输入到改进的残差网络中进行分类,并在医院对患者的心电信号进行了实际测试.实验结果表明:该算法对7类心电信号的平均识别率达到了98.3％,相对于原始的残差网络,准确率提升了2.9％;算法诊断结果与医生诊断结果一致,从而验证了算法的有效性和实用性.
更多相关知识
分类号
TN911.7
栏目名称
DOI
10.3969/j.issn.1671-024x.2022.05.010
发布时间
2022-11-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61675154）
天津市重点研发计划科技支撑重点资助项目（19YFZCSY00180）
天津市自然科学基金资助面上项目（18JCYBJC29100）
天津市科技军民融合重大专项资助项目（18ZXJMTG00260）
- 浏览0
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
