基于卷积神经网络的心电图分类研究

• 作者: 李林献 王小花 王正杰 邱筱岷 马晶
• 来源期刊: 医疗卫生装备
• 学科: 医学
• 关键词: 卷积神经网络 心电图分类 超参数优化 数据预处理 数据扩充
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 研究与设计
• 页码范围: 31-34,43
• 页数: 5页
• 分类号: R318
• 语种: 中文
• DOI: 10.19745/j.1003-8868.2020270

摘要

目的:构建一种有效的心电图分类算法,以实现对正常心电图与异常心电图的准确、可靠识别.方法:对来源于PhysioNet开源数据库的基于.dat文件的心电图信号进行预处理及扩充,构建卷积神经网络模型并优化批尺寸(batchsize)、正则化参数(l2_regularizer)、学习率(learningrate)、丢弃值(dropout)、训练步数(epoch)5个超参数,并进行算法性能评价实验.选用的性能评价指标包括准确率、灵敏度和整体指标F1值.结果:经过研究表明,提出的基于.dat文件的心电图正异常识别算法准确率达90％,灵敏度为89.7％,F1值为90.4％.结论:构建的基于心电图信号的分类识别算法能够高效、可靠地识别心电图,具有潜在的临床应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马晶		1	0	0.0	0.0
2	李林献		2	0	0.0	0.0
3	邱筱岷		1	0	0.0	0.0
4	王正杰		1	0	0.0	0.0
5	王小花		1	0	0.0	0.0