福建医药杂志2024，Vol.46Issue(1) ：1-4.DOI:10.20148/j.fmj.2024.01.001

基于卷积神经网络与通道和空间注意力机制的房颤预测模型研究

Study on atrial fibrillation prediction model based on convolutional neural network and CBAM attention mechanism

王量弘 蔡冰洁 刘硕 杨涛 王新康 高洁
福建医药杂志2024，Vol.46Issue(1) ：1-4.DOI:10.20148/j.fmj.2024.01.001
✕
  • 维普
  • 万方数据

基于卷积神经网络与通道和空间注意力机制的房颤预测模型研究

Study on atrial fibrillation prediction model based on convolutional neural network and CBAM attention mechanism

王量弘 1蔡冰洁 1刘硕 1杨涛 1王新康 2高洁2
扫码查看

作者信息

  • 1. 福州大学物理与信息工程学院,福州 350108
  • 2. 福建省立医院心电诊断科,福州 350001
  • 折叠

摘要

目的 采用人工智能技术提出一种模型,以对房颤进行早期预防和诊断.方法 提出一种基于卷积神经网络(convolutional neural network,CNN)与通道和空间注意力 机制(convolutional block attention module,CBAM)的模型用于对房颤的诊断与预测.结果 根据长期心房颤动数据库、MIT-BIH心房颤动数据库和MIT-BIH 正常窦性心律数据库的数据,提出的模型在全盲的情况下总体准确率达94.2％.结论 提出的模型满足了医学心电图解释的需要,为房颤的预测研究提供了新思路.

Abstract

Objective To propose a model for early prevention and diagnosis of atrial fibrillation by using artificial intelli-gence technology.Methods A model based on convolutional neural network(CNN)and convolutional block attention module(CBAM)was proposed for the diagnosis and prediction of atrial fibrillation.Results The overall accuracy of the proposed model reached 94.2％in the case of total blindness based on the data from the long-term atrial fibrillation database,the MIT-BIH atrial fibrillation database and the MIT-BIH normal sinus rhythm database.Conclusion The proposed method satisfies the needs of medical ECG interpretation and provides a new idea for the prediction of atrial fibrillation.

关键词

心电信号/房颤/卷积神经网络/通道和空间注意力机制

Key words

ECG signals/atrial fibrillation/convolutional neural networks/convolutional block attention module

引用本文复制引用

基金项目

国家自然科学基金面上项目(61971140)

出版年

2024
福建医药杂志
中华医学会福建分会

福建医药杂志

影响因子：0.525
ISSN：1002-2600
参考文献量12
段落导航相关论文