原文服务方: 微电子学与计算机       
摘要:
由矢量心电图衍生标准十二导联心电图的传统方法是Dower转换,由于模型过于简单,在心电图细节方面重建效果不佳.为了提高衍生效果,提出一种基于卷积神经网络的衍生方法.首先采用卷积自编码器获取Frank正交导联心电图的高级语义,然后利用卷积神经网络实现从编码层重建标准十二导联心电图.最后采用R2和相关系数作为评判标准来分析结果,均明显优于传统算法,这充分证明了采用卷积神经网络衍生心电图这一方法的有效性和优异性.
推荐文章
基于卷积神经网络的心电图心博识别
心律失常
心搏类型识别
卷积神经网络
基于数据驱动的卷积神经网络电容层析成像图像重建
卷积神经网络
电容层析成像
图像重建
颗粒浓度分布
基于卷积神经网络的视频图像超分辨率重建方法
视频
超分辨率重建
卷积神经网络
深度学习
基于卷积神经网络的细胞识别
细胞识别
卷积神经网络
深度学习
池化层
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络重建十二导联心电图
来源期刊 微电子学与计算机 学科
关键词 心电图 卷积神经网络 自编码器 矢量心电图
年,卷(期) 2019,(9) 所属期刊栏目
研究方向 页码范围 12-15
页数 4页 分类号 TP391.9
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王云峰 中国科学院微电子研究所 56 597 13.0 22.0
7 张帅 中国科学院微电子研究所 58 363 8.0 18.0
11 朱晓铭 中国科学院微电子研究所 3 0 0.0 0.0
15 陈林海 中国科学院微电子研究所 4 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (19)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1968(1)
  • 参考文献(1)
  • 二级参考文献(0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
心电图
卷积神经网络
自编码器
矢量心电图
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导