基于一维卷积神经网络的患者特异性心拍分类方法研究

• 作者: 吴水才 宾光宇 黄佼
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 心电分类 一维卷积神经网络 特征融合 患者特异性
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 专论——生物医学电子与信息处理
• 页码范围: 11-14
• 页数: 4页
• 分类号: R540.4+1
• 字数: 4253字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2018.03.003

摘要

目的 提出一种基于一维卷积神经网络的患者特异性心电分类方法,提升心拍自动分类性能,特别是室上性早搏(Superventricular Premature Beat,SVEB)分类性能,为临床心电诊断提供辅助依据.方法 将多层一维卷积神经网络自动学习的心电特征和心电的RR间期特征进行融合,送入多层感知器,再通过softmax分类器进行分类;选择少量公共心拍数据加上患者特定的心拍数据用于训练分类模型,实现患者特异性心拍识别.结果 采用麻省理工学院提供的标准心律失常数据库(MIT-BIH Arrhythmia Database)评估算法的分类性能,与已有研究结果相比,分类性能得到提升,其中SVEB识别的灵敏度达到88.7%.结论 该方法可为医护人员诊断心脏疾病提供可靠的辅助依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴水才	北京工业大学生命科学与生物工程学院	217	1199	17.0	26.0
2	宾光宇	北京工业大学生命科学与生物工程学院	14	55	5.0	7.0
3	黄佼	北京工业大学生命科学与生物工程学院	1	6	1.0	1.0