换一批基于双阶段特征提取网络的ECG降噪分类算法
An ECG Denoising and Classification Algorithm Based on Two-stage Feature Extraction Network
摘要临床采集到的标准 12 导联心电图常含有噪声,影响了心电信号分类结果的准确度,为此提出了一种基于双阶段特征提取网络的心电图(ECG)降噪分类算法.首先,在空间特征提取阶段,由深度耦合软阈值化去噪方法的残差收缩网络从输入的 12 导联标准心电信号中提取空间特征;其次,在时间特征提取阶段,由长短期记忆网络与注意力机制结合继续从心电信号中提取时间特征;最后,通过全连接网络层融合提取到的空间特征与时间特征,输出 9 个类别的概率预测分布.在 CPSC2018 数据集上与其他同类型先进分类算法进行了对比实验,验证所提算法的效果,实验结果表明:提出的分类算法在对 9 类 ECG 信号进行分类时平均 F1 分数达到 0.854,在各项指标上表现更优.此外,实验证明所提算法在含噪数据中的表现也优于其他主流网络,充分证明了所提算法对于含噪心电信号的降噪分类性能,该算法也可应用于其他类似含噪声生理信号的分析和处理.
更多相关知识
关键词
心电信号分类心电信号去噪残差收缩网络软阈值化注意力机制ECG classificationECG denoisingresidual shrinkable networksoft thresholdingattention mechanism
栏目名称
DOI
10.13705/j.issn.1671-6833.2024.05.005
发布时间
2024-09-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省重点研发与推广专项(科技攻关)项目（222102310663）
- 浏览8
- 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
