基于CNN和BiGRU-Attention模型的心律异常判别研究

• 作者: 丁娜娜 张龙波 吴志勇
• 来源期刊: 网络安全技术与应用
• 关键词: 心电信号 心律失常 卷积神经网络 注意力机制 BiGRU-Attention网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 43-46
• 页数: 4页
• 语种: 中文

摘要

心脏病是导致人类死亡的主因,多数心血管疾病发生时,常伴有心律失常现象的出现.为实现心律失常的自动判别,研究并提出一种卷积神经网络(Convolutional Neural Network,CNN)和基于注意力机制(Attention)的双向门控循环单元神经网络(Bidirectional Gated Recurrent Unit Neural Network,BiGRU)结合的心律异常判别方法.该方法首先采用1 维CNN 自动提取心电信号特征;其次将CNN 提取出的特征输入到BiGRU-Attention 网络中进行学习;最后,使用softmax 函数进行分类.实验结果表明,该方法的总体准确率为99.53％,N、S、V和F四类心跳的灵敏度分别为99.80％、96.35％、98.23％,92.01％,阳性预测值分别为99.74％、96.87％、99.24％、90.37％,证明该方法具有良好的性能.