基于改进CNN和LSTM的房颤识别算法研究

作者：王锐; 周作建^*; 李灿; 李红岩; 郎许锋; 宋懿花

来源：计算机时代, 2023, (08): 69-73.

DOI：10.16644/j.cnki.cn33-1094/tp.2023.08.016

• 房颤识别
• 卷积神经网络
• 长短期记忆网络
• 注意力机制

有数据显示，每年约有1500万人因房颤住院治疗，及时诊断可以有效地降低患病风险。本文提出一种改进CNN和LSTM的深度学习模型，在CNN模块使用了Swish函数作为激活函数，并在LSTM中引入了点积注意力机制，用于心电信号的特征提取和心律失常的诊断。利用卷积神经网络提取心电信号中的特征，LSTM可以对心电信号中的特征进行深度的挖掘，引入注意力机制，完成房颤的识别。所提模型的准确率为0.9771,F1为0.9609，精确率为0.9765，召回率为0.9799。

• 单位
  南京中医药大学