换一批基于CNN与BiLSTM相结合的心电信号分类方法
ECG signal classification method based on the combination of CNN and BiLSTM network
摘要目的:基于卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)相结合的方法在心电信号数据集上训练深度学习模型,实现对心电信号的高效分类.方法:提出CNN+BiLSTM模型实现心电信号数据集分类,采用CNN对心电信号进行初步特征提取;通过BiLSTM对这些特征进行更深层次地学习,以捕捉信号中的时序信息和空间关联性.结果:通过对比实验证明CNN与BiLSTM对模型性能提升的有效性,模型分类精度为98.91％,召回率为98.71％,精确度为99.79％,F1指数为99.14％.结论:将CNN与BiLSTM相结合并应用在心电信号数据集分类,能有效提升临床诊断的精确性,为心电信号的自动分析提供了有效参考.
更多相关知识
关键词
心电信号分类卷积神经网络双向长短期记忆网络ECG signal classificationConvolutional neural networkBi-directional long and short-term memory network
栏目名称
DOI
10.3969/j.issn.1673-7571.2024.06.018
发布时间
2024-07-04（万方平台首次上网日期，不代表论文的发表时间）
- 浏览18
- 被引3
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
