具有自动抗噪功能的心电信号分类算法

• 作者: 雷宇 刘少儒 徐寅林
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: ECG 深度学习 自动抗噪
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 49-55
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107797

摘要

心电图(ECG)检测是心脏疾病最常用的诊断方法.但是在心电信号采集过程中往往会受到噪声干扰,从而使心电信号分类诊断的正确率受到很大影响.为提高分类诊断的准确率和抗噪能力,改进设计了一种用深度残差收缩网络(DRSN)实现自动抗噪、全局平均池化(GAP)整合空间信息的ECG分类诊断模型.在MIT-BIH心律失常数据集上验证了模型的分类性能,并将其与普通的卷积神经网络(CNN)模型进行了抗噪性能分析比较.实验结果表明,设计的DRSN+GAP诊断模型基于AAMI标准的分类正确率高达99.3％,对不同强度的工频及高斯两种噪声其抗噪性能均优于普通的CNN模型.