基于集成学习的室性早博识别方法

• 作者: 周飞燕 董军 金林鹏
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 室性早搏 卷积神经网络 诊断规则
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 科研通信
• 页码范围: 501-507
• 页数: 7页
• 分类号: TP391
• 字数: 4584字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.02.032

摘要

本文提出了一种集成学习方法以提升室性早搏的识别性能.MIT-BIH两个通道的数据分别经过卷积神经网络进行室性早搏心拍分类,然后按照融合规则对分类结果进行融合决策,其准确率、灵敏度和特异性分别为99.91％、98.76％、99.97％,优于已有算法的室性早搏心拍分类结果.此外,面向临床应用,本文还利用卷积神经网络和诊断规则相结合的方法实现了病人间室性早搏识别实验,在有14万多条记录的数据集上,取得的准确率、灵敏度及特异性分别为97.87％、87.94％、98.02％,验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董军	中国科学院苏州纳米技术与纳米仿生研究所	23	1117	8.0	23.0
2	周飞燕	中国科学院苏州纳米技术与纳米仿生研究所	2	842	2.0	2.0
6	金林鹏	中国科学院苏州纳米技术与纳米仿生研究所	5	864	3.0	5.0