基于CNN和SVM混合模型的心电信号识别方法

• 作者: 孙波 张童 杨磊 贾昊 郭秀梅 陈冉
• 来源期刊: 山东农业大学学报（自然科学版）
• 学科: 医学
• 关键词: 卷积神经网络 支持向量机 心电信号识别
• 年，卷（期）: 2020,（2）
• 页码范围: 283-288
• 页数: 6页
• 分类号: R540.4+1
• 字数: 5044字
• 语种: 中文

摘要

目前心血管疾病已成为危害人类生命健康的主要疾病之一,为实现对不同类型的心电图进行自动分析,并对异常心率进行实时预警,本文提出了基于卷积神经网络(CNN)和支持向量机(SVM)混合模型的心电信号分类模型,并使用MIT-BIH数据集来进行系统模型的训练与验证.考虑到CNN对数据的识别能力较强,能够充分提取数据局部特征,以及SVM在小样本数据上泛化能力较好的特点,将CNN+SVM的混合模型应用到小样本的心电信号数据分类中,取得了较好的效果.最后通过5倍交叉验证比较CNN+SVM、CNN、SVM三种模型的各项性能,结果表明,CNN+SVM各项指标均优于CNN与SVM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨磊	山东农业大学信息科学与工程学院	12	46	4.0	6.0
2	郭秀梅	山东农业大学信息科学与工程学院	15	62	5.0	7.0
3	孙波	山东农业大学信息科学与工程学院	13	45	4.0	6.0
4	张童	山东农业大学信息科学与工程学院	5	0	0.0	0.0
5	陈冉		1	0	0.0	0.0
6	贾昊	山东农业大学信息科学与工程学院	3	0	0.0	0.0