卷积神经网络在心电逆问题中的应用

• 作者: 蒋明峰 贺高 郑俊褒 龚莹岚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 极限学习机(ELM) 心电逆问题 心肌跨膜电位
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 123-127,265
• 页数: 6页
• 分类号: TP391.9
• 字数: 4651字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1709-0109

摘要

基于横跨膜电位分布的心电逆问题研究,即从身体表面电位无创重建心脏跨膜电位,可视为一种多输入多输出的回归问题(亦即多个体表电位分布输入重构多个心脏跨膜电位分布输出),而基于数据驱动的机器学习模型是解决回归问题的一种有效手段.通过使用深度卷动神经网络(CNN)构建深度学习模型,使用Caffe框架训练神经网络;此外,基于真实的心脏模型,使用ECGSim软件仿真了肯特束综合症心室激活情况的数据,用于训练和测试回归模型.实验结果表明,与极限学习机(ELM)和核化的极限学习机相比,CNN方法在心脏跨膜电位重构方面有更高的精度和泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑俊褒	浙江理工大学信息学院	25	61	4.0	6.0
2	蒋明峰	浙江理工大学信息学院	17	61	4.0	7.0
3	贺高	浙江理工大学信息学院	1	2	1.0	1.0
4	龚莹岚	浙江大学生物医学工程系	1	2	1.0	1.0