摘要
目的为提升临床心电图的分类效果,提出一种融合深度残差网络(Res Nte)和双向长短时记忆循环神经网络(Bi-LSTM)的心电信号分类算法。方法利用Res Nte模型提取和整合心电信号波形特征的能力,在Res Nte模型基础上融合Bi-LSTM模型,提取信号序列上下文信息。通过数据增强技术增加样本数量,解决训练集存在类别不平衡问题,进一步提升模型分类性能。结果文中提出算法的F1(查准率和召回率的调和平均)在The 2017 Physio Nte/Cin CChallen ge数据集上达到0.8571,优于近几年文献提出的其他几种模型。同时将该模型用于医院实际临床数据(92245条记录),模型F1指标达到0.8852;对比传统人工特征方法和单纯残差网络该模型具有更好的性能,尤其对于心房颤动的识别提升明显。结论基于Res Nte和Bi-LSTM模型融合的算法能有效提取心电信号特征,且分类效果较好,具有实际应用意义。
-
单位杭州电子科技大学; 浙江大学医学院附属第一医院