基于注意力机制的堆叠LSTM心电预测算法

作者：谭庆康^*; 潘沛生

来源：计算机技术与发展, 2023, 33(01): 62-67.

• 堆叠式LSTM网络
• 注意力机制
• 心律失常
• 心电预测
• 深度学习

心电信号的处理一直是一个热门的研究领域，针对日趋增长的心电数据分析需求，国内的研究大多停留在分类处理阶段，对心电异常的预测相对较少。而心电异常的提前预警对预防接下来可能出现的危险极为重要，因此，提出了一种新的心电预测算法。首先，对原始数据进行小波变换处理，经过预处理后的数据能够更好地从中提取特征进行学习。将处理后的信号输入训练模型，在训练过程中采用两个LSTM网络结构，构成一种堆叠的循环神经网络模型。输出的信号再通过注意力机制，加强重点关注区域后经由全连接层输出结果。模型采用预测准确率作为衡量模型性能的指标，并在MIT-BIH数据集上进行了测试。经过实验数据的对比，该模型在此数据集上最终预测准确率为97.7%,与传统堆叠LSTM网络相比，提升了1.3百分点；与加入注意力机制的单层LSTM网络相比，提升了0.9百分点。结果表明，该模型有效地提高了预测的准确率，充分证明了其优越性。

• 单位
  通信与信息工程学院; 南京邮电大学