基于Dropout深度卷积神经网络的 ST段波形分类算法

• 作者: 任晓霞
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 心电信号数据 ST段波形分类 深度卷积神经网络 Dropout 泛化能力
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 1217-1222
• 页数: 6页
• 分类号: TP393
• 字数: 5431字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2018.08.013

摘要

心电信号的ST段波形变化是心肌损伤等心血管类疾病临床诊断的重要辅助手段之一.针对ST段波形分类以及深度卷积神经网络过拟合问题,提出一种基于概率随机舍弃神经元建立子网络的Dropout深度卷积神经网络,通过心电信号数据去噪、ST段候选段筛选、神经网络卷积与下采样运算过程,实现ST段波形样本训练与测试.仿真实验对比分析了算法的波形分类准确率、卷积核个数影响和Dropout对算法泛化能力影响,与专家手工标注、BP、RNN和DCNN等方法进行比较,实验结果表明Dropout DCNN能够有效提高卷积神经网络泛化能力,提升算法的可用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任晓霞	张家口学院数学与信息科学学院	19	29	3.0	4.0