摘要
心房颤动(AF)是一种最为常见的心功能紊乱心脏病,为提高房颤的识别效率和准确率,提出了一种基于卷积神经网络的心电信号分类模型.首先采用双中值滤波器对输入心电信号进行预处理,去除基线漂移;而后提出基于卷积神经网络的R波检测器,其对MIT-BIH心律失常数据库评估结果达到了 98.83％的阳性预测率、99.72％的灵敏度和99.54％的准确度;最后提出了一种基于CNN的心电信号分类模型,其对CPSC 2017挑战赛数据库实验结果总体达到96.82％的灵敏度、97.18％的阴性预测率,显示该模型性能良好,具有较强的泛化性与鲁棒性.
维普
万方数据