基于一维卷积神经网络的房颤智能诊断方法研究

• 作者: 任国营 张为民 张文欣 朱俊江 谢胜龙 鲁玉军
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 智能诊断 心电信号 卷积神经网络 深度学习
• 年，卷（期）: 2020,（5）
• 页码范围: 620-626
• 页数: 7页
• 分类号: TB973
• 字数: 4861字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2020.05.19

摘要

针对“大数据”时代如何利用数据对房颤进行智能、高效的诊断问题,提出了基于一维卷积神经网络的智能诊断方法,以避免传统算法依赖人工特征提取和先验知识的问题.首先,分别构建一维LeNet-5和AlexNet神经网络模型,合理设置网络结构参数;然后,在采集的实验数据基础上针对心电信号的特点进行一系列的数据处理,随机构建训练样本和测试样本;最后,将训练样本分别输入上述2个神经网络模型中训练学习,再将训练好的模型用于房颤的诊断.实验结果表明:一维LeNet-5网络模型存在“过拟合”现象,而一维AlexNet网络模型在避免了上述现象的同时,诊断精度达到了95.34％,较传统方法有了较大提升,为房颤诊断提供了有效的手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲁玉军	浙江理工大学机械与自动控制学院	25	102	6.0	8.0
2	任国营		11	47	3.0	6.0
3	张文欣		6	8	1.0	2.0
4	朱俊江	中国计量大学机电工程学院	13	27	3.0	4.0
5	谢胜龙	中国计量大学机电工程学院	3	0	0.0	0.0
13	张为民		4	2	1.0	1.0