基于DCGNet模型的心电信号分类研究

• 作者: 刘玉琪
• 来源期刊: 中国宽带
• 关键词: 心电图 CNN 双向GRU 模型融合
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 互联网+应用
• 页码范围: 128-129
• 页数: 2页
• 语种: 中文

摘要

计算机心电图(ECG)检查是一项用于心血管疾病诊断的非常重要的辅助手段.目前已有一些深度学习的算法可以实现心电图准确、实时和可扩展的分析.为了提高心电图分类算法的准确性和实时性,本文提出了一种新的端到端的深度卷积双向门控循环网络(DCGNet)模型,该模型首先对原始心电信号数据进行数据处理,实现输入数据去噪和降维,通过融合卷积神经网络(CNN)和改进的深度双向门控循环单元(GRU)算法实现不同类别心电图的分类识别.