计算机时代2023，Issue(8) ：69-73.DOI:10.16644/j.cnki.cn33-1094/tp.2023.08.016

基于改进CNN和LSTM的房颤识别算法研究

Research on atrial fibrillation recognition algorithm based on improved CNN and LSTM

王锐 周作建 李灿 李红岩 郎许锋 宋懿花
计算机时代2023，Issue(8) ：69-73.DOI:10.16644/j.cnki.cn33-1094/tp.2023.08.016
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进CNN和LSTM的房颤识别算法研究

Research on atrial fibrillation recognition algorithm based on improved CNN and LSTM

王锐 1周作建 1李灿 1李红岩 1郎许锋 1宋懿花1
扫码查看

作者信息

  • 1. 南京中医药大学人工智能与信息技术学院,江苏 南京 210023
  • 折叠

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.

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

Key words

atrial fibrillation recognition/convolutional neural network(CNN)/long short-term memory network(LSTM)/attention mechanism

引用本文复制引用

出版年

2023
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
参考文献量7
段落导航相关论文