首页|基于改进深度残差网络的心电信号分类算法

基于改进深度残差网络的心电信号分类算法

ECG signal classification algorithm based on improved depth residual network

扫码查看
针对不同类型心电(electrocardiogram,ECG)信号分类的不足,提出了一种基于改进深度残差网络(Resnet)的分类方法.首先对心电数据做可视化处理,使用格拉姆角场(Gramian angular fields,GAF)将一维的ECG信号转换为二维图像,然后对Resnet-50网络模型进行改进,在网络中添加多级shortcut支路,并优化了残差块;为了进一步提高模型的表达能力,将Relu激活函数替换为SELU激活函数;最后将图像输入到改进的残差网络中进行分类,并在医院对患者的心电信号进行了实际测试.实验结果表明:该算法对7类心电信号的平均识别率达到了98.3%,相对于原始的残差网络,准确率提升了2.9%;算法诊断结果与医生诊断结果一致,从而验证了算法的有效性和实用性.

李鸿强、吴非凡、曹路、张振、张美玲

展开 >

天津工业大学 电子与信息工程学院,天津 300387

天津市胸科医院,天津 300222

天津工业大学 计算机科学与技术学院,天津 300387

天津工业大学 纺织科学与工程学院,天津 300387

展开 >

心电(ECG)信号分类 残差网络(Resnet) 格拉姆角场(GAF) 激活函数

6167515419YFZCSY0018018JCYBJC2910018ZXJMTG00260

2022

天津工业大学学报
天津工业大学

天津工业大学学报

CSTPCD北大核心
影响因子:0.404
ISSN:1671-024X
年,卷(期):2022.41(5)
  • 2
  • 4