摘要
准确的动态心电信号异常检测依然是心电信号分析的难点.针对这种情况,本文设计了优化的Res-Net残差网络模型,该模型基于原Res-Net50模型在卷积层加入空洞卷积,并用评价指标相反数的近似公式代替损失函数,以获得较高的异常心电特征识别率.同时,对学习率、卷积核大小、衰减因子在内的多个超参数进行了测试和优化.为了验证该模型的可行性,本文选取了ICBEB心电数据库,对该数据库中12导联动态心电信号中所包含的9种心率失常进行自动分类,并对模型优化前后进行分类评价指标比较.实验结果表明,当设置参数lr=0.01,dropout=0.5,weight_decay=0.0001时,优化Res-Net残差网络模型自动分类准确率达到0.95,模型分类评价指标F1得分0.89.该模型在提取动态心电图特征的同时进行了分类,获得较好效果,具有潜在的临床指导意义.
基金项目
国家重点研发计划(2019YFC0605203)
重庆市教育委员会科研项目(KJQN201904007)
重庆市自然科学基金(cstc2020 jcyj-msxmX0553)
重庆工商职业学院科研项目(NDZD2019-02)
NETL
NSTL
维普
万方数据