结合迁移学习与深度卷积网络的心电分类研究

• 作者: 刘颖 吴俣南 杨丰 查雪帆 袁绍锋
• 来源期刊: 中国医学物理学杂志
• 关键词: 心电节拍分类 迁移学习 深度学习 二维深度卷积网络 一维深度卷积网络 ImageNet数据集
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 医学信号处理与医学仪器
• 页码范围: 1307-1312
• 页数: 6页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2018.011.013

摘要

为解决一维深度卷积网络(1D-DCNN)在心电分类方面存在的多类疾病识别不准、难以提取最佳特征等问题,提出一种结合迁移学习与二维深度卷积网络(2D-DCNN)直接识别心电图像的方法.首先,截取R波前后75 ms内的心电信号,并将一维心电电压信号转化为二维灰度图像信号.接着,构建2D-DCNN对心电节拍样本进行分类训练,权值初始化采用在ImageNet大规模图像数据集上进行预训练的AlexNet参数值.本文提出方法在MIT-BIH心电数据库上进行性能验证,其准确率达到98％,并在不同信噪比下保持较高的准确率,证明了所述模型在心电分类上具有良好的鲁棒性.为了验证2D-DCNN的识别性能,实验部分与采用不同激活函数的1D-DCNN、近些年性能较好的深度学习方法进行比较.量化结果表明,结合迁移学习和2D-DCNN方法,比最优1D-DCNN算法,其准确率提升2％、敏感度提升0.6％、特异性提高4％;在二分类与多分类任务中,均好于现有的其他算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘颖	南方医科大学生物医学工程学院	18	63	4.0	7.0
2	杨丰	南方医科大学生物医学工程学院	52	330	11.0	15.0
6	袁绍锋	南方医科大学生物医学工程学院	5	13	2.0	3.0
10	查雪帆	南方医科大学生物医学工程学院	1	2	1.0	1.0
11	吴俣南	南方医科大学生物医学工程学院	1	2	1.0	1.0