换一批基于位置注意力机制的混合神经网络心电信号分类算法
A Hybrid Neural Network Electrocardiogram Signal Classification Algorithm Based on Location Attention Mechanisms
摘要心电信号分类是医疗保健领域的重要研究内容.心电信号数据是类不平衡数据,不同类别的心律失常依赖于心电图的长期变化特征,局部变化特征及其相对位置.针对大多数方法不能较好地解决数据类不平衡,且未考虑特定波形重要性等问题,提出一种基于位置注意力机制的混合神经网络心电信号分类(DCLB)算法.首先,利用深度卷积生成对抗网络扩充数量少的类别样本,从而解决类不平衡问题;其次,利用二维卷积神经网络和双向长短期记忆网络进行特征提取,从而获得心电信号的局部变化特征和长期变化特征;然后,在每个二维卷积神经网络后嵌入位置注意力机制,从而提高关键位置特征的重要程度;最后,利用全连接网络输出分类结果.对MIT-BIH心律失常数据集中的30 584个样本的实验结果表明,DCLB算法的平均准确率为98.79％,敏感性为94.21％,特异性为98.98％,阳性预测值为93.70％.该模型可以有效提取心电信号特征,适用于监测系统中心律失常疾病的诊断.
更多相关知识
关键词
心电信号类不平衡深度卷积生成对抗网络注意力机制深度学习electrocardiogram(ECG)classification imbalanceddeep convolutional generative adversarial network(DCGAN)attention mechanism(AM)deep learning
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2024.03.005
发布时间
2024-07-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览20
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
