科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对网络轻量化后，模型复杂度降低带来的检测性能不足等问题，提出一种基于自适应卷积的心电图（ECG）心律分类方法。首先，采用轻量级的卷积神经网络模型框架构建双分支结构，主分支提取ECG的波形特征，子分支提取ECG样本与正常心律的差异信息；然后，通过自适应卷积的方法，将ECG样本与正常心律的差异信息融入到主分支中，提高模型的检测性能；最后，在公开的数据集上进行实验，F1分数、准确率、召回率分别为93.58%、95.53%和91.70%，相较于未加入ECG样本与正常心律的差异信息的网络有明显提升，验证了该方法的有效性。
- 单位
