基于卷积神经网络的心电图心博识别

• 作者: 刘洪运 王卫东 王自强 石金龙
• 来源期刊: 中国医学物理学杂志
• 关键词: 心律失常 心搏类型识别 卷积神经网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 医学信号处理与医学仪器
• 页码范围: 938-944
• 页数: 7页
• 分类号: R318|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2019.08.015

摘要

心电图分析是诊断心律失常的最主要手段,心搏类型是诊断心律失常的重要信息,心搏的自动识别也是心律失常自动诊断的重要步骤.本研究尝试采用卷积神经网络自动识别心搏类型,使用的心电数据来源于MIT-BIH心律失常数据库,将心电信号的形态特征作为输入,采用端对端学习的网络结构.经过十折交叉验证测试.本研究网络识别13种心搏类型的平均准确率为99.24％,特异度达到99.59％.对于叠加不超过0.4 mV随机噪声的心电信号,本研究网络的识别准确率为99.07％.此外,将数据库的其中一个病人作为实测数据,得到的阳性预测为99.19％.研究结果表明文章的网络能自动学习输入特征,准确识别较多种类心搏且对噪声具有鲁棒性,为接下来的心律失常自动诊断提供可靠基础,同时也可能为基于心电图分析的其他相关诊断提供辅助决策支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王卫东	中国人民解放军总医院医学工程保障中心	64	340	9.0	16.0
2	刘洪运	中国人民解放军总医院医学工程保障中心	6	4	1.0	1.0
3	王自强	北京航空航天大学生物与医学工程学院	18	44	4.0	6.0
4	石金龙	中国人民解放军总医院医学工程保障中心	2	14	1.0	2.0