基于特征融合CNN模型的ECG信号识别方法研究

• 作者: 周志波
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 心电信号 卷积神经网络 时频统计特征 特征融合
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 46-49
• 页数: 4页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.201231

摘要

针对ECG信号分类问题,提出一种融合卷积神经网络和信号时频统计特征的方法.该方法首先利用卷积神经网络提取ECG信号分布特征,再利用离散小波变换将ECG信号分解为高频系数与低频系数,计算所有高频系数及最后一个低频系数的统计特征值,最后将计算所得的时频统计特征融入卷积神经网络全连接层,并利用Softmax分类器进行分类.结果表明,该方法对三类心血管疾病的ECG信号分类识别率达93.4％,证明该方法可用于解决ECG信号分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周志波		1	0	0.0	0.0