机器学习实现心肌梗死的自动检测

• 作者: 常战国 李相泽 杨朔 王帅 蒲宝明
• 来源期刊: 计算机系统应用
• 关键词: ECG 均值滤波 心肌梗死 神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究开发
• 页码范围: 218-224
• 页数: 7页
• 字数: 4513字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006851

摘要

心肌梗死是心肌细胞缺血性坏死,由于坏死程度不同,在心电图上表现不一,因此无法精确制定统一的评判标准.由于非典型心肌梗死特征不明显,目前的方法检测精度较低.本文针对心肌梗死类型的不同,为了提高非典型心肌梗死检测的准确率并且降低典型心肌梗死的时间复杂度,提出了BP神经网络与卷积神经网络结合的方法.首先,将原始ECG信号经过均值滤波平滑,去基线等处理,提取相关特征值,对于典型心肌梗死使用BP神经网络训练分类,而对于特征不明显非典型心肌梗死,按固定长度截取后利用卷积神经网络进行训练.为了进一步提高准确率,结合12导联数据进行分析.实验结果表明,该方法在心肌梗死的检测上,相对于其他方法提高了2％,特别是在非典型心肌梗死检测上明显改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王帅		133	716	13.0	21.0
5	蒲宝明	中国科学院沈阳计算技术研究所	31	186	8.0	12.0
6	李相泽	东北大学计算机科学与工程学院	10	35	3.0	5.0
7	杨朔		2	7	2.0	2.0
11	常战国		2	7	2.0	2.0