基于CNN-LSTM混合模型的心律失常自动检测

• 作者: 陶亮 刘宝宁 梁玮
• 来源期刊: 山东大学学报（工学版）
• 关键词: 卷积神经网络 长短时记忆网络 自动检测 心电图 心律失常
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning & Data Mining
• 页码范围: 30-36,51
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.445

摘要

提出一种卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)网络混合的心律失常自动检测算法,模型结构共由5层卷积层、5层池化层、1层LSTM层和1层全连接层组成.利用CNN能够自动提取特征和LSTM能够捕捉时间序列前后依赖关系的能力,将简单预处理后的心电信号数据直接输入到混合模型当中.整个模型将特征提取和分类器分类2个步骤结合,从而更加高效、准确地识别5种不同的心律失常疾病.在测试集上进行试验,准确率、敏感性和特异性分别为99.48％、99.47％和99.86％.试验结果表明,本研究提出的方法能够高效、准确地识别不同类型的心律失常疾病.