基于多尺度特征提取的多导联心跳信号分类

作者：张繁; 尹鑫; 徐宇扬; 郝鹏翼^*

来源：图学学报, 2021, 42(04): 581-589.

• 心跳分类
• 多尺度特征提取
• 特征融合

心电图(ECG)是临床上诊断心脏疾病的重要依据,从中提取关键、有效的特征是自动诊断系统的关键。而现今多数研究仅使用单导联或双导联数据,提取的特征不够全面,无法很好地区分不同心跳中的细微差别。为了获得更加全面的特征和更优异的分类表现,本文提出了基于多尺度特征提取的多导联心跳信号分类方法(MSNet)。首先,该方法接收多导联心跳信号堆叠矩阵作为输入;然后,利用3种不同尺度的一维卷积分别提取特征;最后将不同尺度的特征融合并进行所属类别的分类。本文在MIT-BIHArrhythmiaDatabase,MIT-BIHSupraventricular Arrhythmia Database和St Petersburg INCART 12-lead Arrhythmia Database 3个心电公开数据集上进行了充分的实验,在五折交叉验证的策略下,对于"正常-异常"分类,该方法的准确率、召回率、精确率、F1值均达到了99%以上;对于多类别分类,其平均准确率、平均召回率、平均精确率、平均F1值能达到99.5%左右。与现今优异的其他方法相比,该方法有着更好的表现。

• 单位
  浙江工业大学; 吉林大学