基于多头注意力机制的房颤检测方法

• 作者: 顾佳艳 蒋明峰 李杨 张鞠成 王志康
• 来源期刊: 计算机系统应用
• 关键词: ECG分类 深度学习 残差网络 双向长短期记忆网络 多头注意力机制
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 专论·综述|Special Issue
• 页码范围: 17-24
• 页数: 8页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007885

摘要

近年来,随着人工智能的发展,深度学习模型已在ECG数据分析(尤其是房颤的检测)中得到广泛应用.本文提出了一种基于多头注意力机制的算法来实现房颤的分类,并通过PhysioNet 2017年挑战赛的公开数据集对其进行训练和验证.该算法首先采用深度残差网络提取心电信号的局部特征,随后采用双向长短期记忆网络在此基础上提取全局特征,最后传入多头注意力机制层对特征进行重点提取,通过级联的方式将多个模块相连接并发挥各自模块的作用,整体模型的性能有了很大的提升.实验结果表明,本文所提出的heads-8模型可以达到精度0.861,召回率0.862,F1得分0.861和准确率0.860,这优于目前针对心电信号的房颤分类的最新方法.