基于深度学习的ECG心拍数据分类设计

• 作者: 吴小玲 张俊飞 毕志升 王静
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: ECG CNN Pan-Tompkins算法 MIT-HIB
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 理论创新
• 页码范围: 71-75
• 页数: 5页
• 分类号: TP29
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2019.12.071

摘要

心脏疾病是威胁人类健康的最大病因,ECG信号的复杂性使得人工检测需要大量时间且容易误诊,因此基于心电图心拍数据实现计算机辅助ECG判断具有重要意义.提出基于QRS波群的心拍特征提取方法,以Pan-Tompkins算法实现QRS波群定位,设计心拍截取规则;构建一维卷积神经网络(CNN)模型,实现ECG四类心拍数据(正常搏动、左束支传导阻滞、右束支传导阻滞、室性早搏)的自动分类检测.为验证提出心拍截取方法的有效性,以MIT-BIH心率失常数据库45条数据进行验证,结果显示其灵敏度为99.1％、特异性为99.4％.采用截取的四类心拍数据验证一维CNN自动ECG分类检测模型的可用性,结果显示模型总体分类准确率为98.95％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毕志升	广州医科大学生物工程系	12	29	3.0	4.0
2	张俊飞	广州医科大学生物工程系	28	36	4.0	5.0
3	吴小玲	广州医科大学生物工程系	9	22	3.0	4.0
4	王静	广州医科大学生物工程系	8	13	3.0	3.0