基于深度学习的心律失常检测算法研究

• 作者: 张坤 李鑫 王倩云 谢学建
• 来源期刊: 医疗卫生装备
• 学科: 医学
• 关键词: 深度学习 心律失常 检测算法 卷积神经网络 长短时记忆神经网络
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 研究与设计
• 页码范围: 6-9,31
• 页数: 5页
• 分类号: R318|R540.4+1
• 字数: 3070字
• 语种: 中文
• DOI: 10.7687/j.issn1003-8868.2018.12.006

摘要

目的:设计一种深度学习算法,以实现心律失常自动检测.方法:针对心电图的识别特点,设计一套结合卷积神经网络和长短时记忆神经网络的复合深度学习网络,使用MIT-BIH心电图数据库进行深度学习网络的训练和测试,以实现部分类别心律失常心电图的自动识别,并将识别结果与人工标定结果进行对比分析.结果:该方法对正常和左束支传导阻滞、右束支传导阻滞、房性早搏和室性早搏5种心电图进行自动检测分类,通过测试对5种心电图分类的准确率为98.8％,召回率为98.8％,综合准确性评估指标F1值为98.8％,其中较难识别的房性早搏的分类准确率也达到了87.9％.结论:该方法取得了较好的识别效果,为推进心电图智能分类进行了有益的尝试.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢学建		2	1	1.0	1.0
2	王倩云		2	1	1.0	1.0
3	李鑫		2	1	1.0	1.0
4	张坤		1	1	1.0	1.0