科研之友
微信
新浪微博
Facebook
分享链接
摘要
心律信号异常能普遍反映心电活动的不正常状态，通过将心电图反映的心拍信号分类并应用到心律失常的临床诊断有着很好的研究价值。考虑心电信号(electrocardiogram，ECG)含有噪声，首先利用小波分解与重构并结合小波阈值法对心电信号滤波，其次采用小波变换的方法提取QRS波峰值点，在此基础上对心拍进行分割并按疾病类型构建不同类型的心拍数据集，然后基于具有多个长度不同的卷积核的深度神经网络对心律失常进行分类，最后基于集成学习的方法进一步提升心律失常智能诊断的性能。对比人工提取心电特征的方法，深度神经网络(convolutional neural network，CNN)能够表征不同类型心拍的形态信息，具有强特征表达能力，且对于外部噪声鲁棒，集成学习能够综合利用各个深度神经网络所提取特征达到提升诊断诊断率的目的。经过MIT-BIH心律失常数据库验证：该方法对六类心律失常识别的平均准确率为98.54%，对比单独使用CNN网络和BP神经网络，方法的准确率分别提高2.71%和9.88%。
-
单位河南交通职业技术学院
