原文服务方: 中国医学物理学杂志       
摘要:
目的:提出一种基于多层感知器(MLP)的新型房颤识别算法.方法:首先设计一种新型自适应的R波阈值检测算法,然后以R波位置和幅度为特征,MLP为分类器进行正常/房颤心电图识别.MLP的网络参数采用深层置信网络预训练算法进行初始化,最后用误差反向传播算法对MLP网络权重进行调整.结果:在单通道心电图数据集上对正常、房颤心电信号进行分类,本研究方法的灵敏度达96.00%,特异性为84.18%,平均识别率为90.09%.结论:这种基于MLP的心电识别算法准确率高、计算复杂度较低,可为房颤的智能诊断提供一种新方法.
推荐文章
基于差分进化生物地理学优化的多层感知器训练方法
生物地理学优化
差分进化
多层感知器
数据分类
一种基于ECG的多层共轭对称Hadamard特征变换的房颤异常信号分类方法
房颤
心电图
多层共轭对称Hadamard特征变换
Levenberg-Marquardt神经网络
基于粗糙集和感知器网络的分层递阶变电站故障诊断方法研究
粗糙集
分层递阶
开关作用函数
变电站
故障诊断
用多层感知器模型由吸收光谱反演浮游植物色素
吸收光谱
色素浓度
浮游植物
多层感知器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于多层感知器的房颤心电图检测方法
来源期刊 中国医学物理学杂志 学科
关键词 房颤 心电图 多层感知器 R波检测 深层置信网络
年,卷(期) 2020,(3) 所属期刊栏目 医学信号处理与医学仪器
研究方向 页码范围 332-336
页数 5页 分类号 R318|TP183
字数 语种 中文
DOI 10.3969/j.issn.1005-202X.2020.03.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 颜永红 中国科学院声学研究所语言声学与内容理解重点实验室 94 586 14.0 20.0
10 张鹏远 中国科学院声学研究所语言声学与内容理解重点实验室 18 77 6.0 8.0
11 王寻 中国科学院声学研究所语言声学与内容理解重点实验室 2 0 0.0 0.0
12 蔚文婧 中国科学院声学研究所语言声学与内容理解重点实验室 2 7 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (12)
参考文献  (17)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
房颤
心电图
多层感知器
R波检测
深层置信网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国医学物理学杂志
月刊
1005-202X
44-1351/R
16开
1983-01-01
chi
出版文献量(篇)
4079
总下载数(次)
0
总被引数(次)
17195
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导