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：山东大学学报(工学版), 2021, 51(03): 30-51.

• 卷积神经网络
• 长短时记忆网络
• 自动检测
• 心电图
• 心律失常

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。

• 单位
  齐鲁工业大学; 山东建筑大学; 自动化学院