基于改进CNN和LSTM的房颤识别算法研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Research on atrial fibrillation recognition algorithm based on improved CNN and LSTM

外文关键词：

atrial fibrillation recognitionconvolutional neural network(CNN)long short-term memory network(LSTM)attention mechanism

作者：

王锐、周作建、李灿、李红岩、郎许锋、宋懿花

展开 >

作者单位：

南京中医药大学人工智能与信息技术学院,江苏南京 210023

关键词：

房颤识别卷积神经网络长短期记忆网络注意力机制

出版年：

2023

DOI：

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

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

年,卷(期)：2023.(8)

参考文献量7