基于卷积神经网络的ECG信号识别方法

• 作者: 张敬 徐晓滨 文成林 田婧 马雪
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: ECG信号识别 短时傅里叶变换 卷积神经网络 支持向量机
• 年，卷（期）: 2018,（6）
• 页码范围: 62-66
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2018.06.012

摘要

提出一种基于卷积神经网络的心电信号EC G分类识别方法.首先,利用短时傅里叶变换计算心电波形对应的心电谱图,从而获取信号的时频特性;然后,设计了两种不同的卷积神经网络结构,基于心电谱图对ECG信号分类问题进行建模.实验结果表明,相比于经典的PCA和SVM方法,所提方法在20类ECG分类任务上平均分类准确率可以达到98％ 以上,处理单个样本时间1.4 ms左右,显示出了较高的精度和效率优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文成林	杭州电子科技大学自动化学院	106	1053	17.0	28.0
2	徐晓滨	杭州电子科技大学自动化学院	37	438	10.0	20.0
3	马雪	杭州电子科技大学自动化学院	2	5	1.0	2.0
4	田婧	杭州电子科技大学自动化学院	1	4	1.0	1.0
5	张敬	杭州电子科技大学自动化学院	1	4	1.0	1.0