基于深度学习的心电信号异常识别方法

• 作者: 刘烨 刘翔 张瑜 石蕴玉 马瑞琳
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 心电信号 计算机辅助诊断 卷积神经网络 多分辨率表达
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 研究与探讨
• 页码范围: 29-32
• 页数: 4页
• 分类号: TP391.4
• 字数: 3296字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)01-0029-04

摘要

针对心电信号的异常识别问题,提出了一个基于深度学习的改进型Cifar网络模型,可以自动提取心电特征,并将提取的特征馈送到Logistic分类器中进行分类.运用缩放变换获得图像的多分辨率表达,该表达符合心电图时序特点,克服了因数据量较少造成的网络过拟合问题.利用心电传感器采集志愿者心电信号,并结合正常窦性心律数据库(NSRDB)和突发心脏病死亡数据库(SDDB)建立训练测试集,用于验证方法的有效性.在对正异常心电信号的分类实验中,改进型Cifar网络模型可达到92％的准确率,灵敏度达到了94％,曲线下面积(AUC)值为0.969,优于传统的尺度不变特征变换(SI FT)+支持向量机(SVM)算法和反向传播(BP)算法,取得了较好的辅助诊断效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘翔	上海工程技术大学电子电气工程学院	29	34	4.0	4.0
2	石蕴玉	上海工程技术大学电子电气工程学院	14	37	2.0	6.0
3	马瑞琳	上海工程技术大学电子电气工程学院	2	5	1.0	2.0
4	刘烨	南京邮电大学自动化学院	7	24	3.0	4.0
5	张瑜	上海工程技术大学电子电气工程学院	14	20	3.0	3.0