基于残差-注意力和LSTM的心律失常心拍分类方法研究

• 作者: 熊磊 何培宇 方安成 秦雷亮 潘帆
• 来源期刊: 成都信息工程大学学报
• 学科: 工学
• 关键词: 残差网络 注意力机制 长短时记忆 心律失常 心拍分类
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电子信息科学与技术
• 页码范围: 119-124
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.16836/j.cnki.jcuit.2022.02.001

摘要

长时心电图是长时间连续记录心电状态的一种心电图,心律失常在心电图上的表现为心拍频率不规则或者波形异常,故高效精准地从长时心电图中识别心律失常具有重要的临床意义.针对从长时心电图中识别不同心律失常类型的问题,提出基于注意力机制的残差和LSTM网络的心律失常心拍分类模型.首先利用小波变换对原始长时心电信号进行滤波处理,然后利用QRS波检测算法对R波波峰进行定位,并以R波波峰为基准将原始信号切分成心拍图,最后放入Residual-Attention和LSTM网络进行特征提取并实现分类.提出的模型对正常心拍、室性早搏心拍及室上性早搏心拍的三分类准确率为96.09％,比传统的CNN网络模型提高了3.26％;三类心拍的F1值分别提高了2.04％、2.56％和5.30％.对比实验表明,提出的基于Residual-Attention和LSTM的心律失常心拍分类模型,相比传统的CNN模型有着更好的分类准确率和F1值.