计算机技术与发展2022，Vol.32Issue(9) ：114-120.DOI:10.3969/j.issn.1673-629X.2022.09.018

基于注意力机制的可解释心律失常分类模型

Interpretable Arrhythmia Classification Model Based on Attention Mechanism

罗望成 杨湘 陈艳红
计算机技术与发展2022，Vol.32Issue(9) ：114-120.DOI:10.3969/j.issn.1673-629X.2022.09.018
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于注意力机制的可解释心律失常分类模型

Interpretable Arrhythmia Classification Model Based on Attention Mechanism

罗望成 1杨湘 1陈艳红2
扫码查看

作者信息

  • 1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065
  • 2. 武汉亚洲心脏病医院,湖北 武汉 430022
  • 折叠

摘要

心律失常是心血管疾病中常见的临床表现形式,实现心律失常的自动分类在医学领域具有重要意义.在实际临床中,医生除了提供诊断结果,还要有详细的解释来支持自己的诊断,但是现有的大多数机器学习模型都忽略了结果的可解释性.同时,之前大部分研究致力于宏观分类,实际临床意义不大.为了解决这些问题,提出了一种可解释的基于注意力的混合深度学习模型(IAHM).IAHM通过分别提取心拍级别和心律级别的注意力特征,将医学知识和心电数据相结合,使学习的模型具有高度的可解释性.实验在公开数据库MIT-BIH上进行,对五种心律失常分类以弥补宏观分类的短板.IAHM在准确率、特异性、敏感性和阳性预测值分别达到94.65％、98.69％、92.69％和92.60％,有助于临床医生对心律失常进行准确分类.

关键词

心律失常分类/注意力机制/卷积神经网络/可解释性/长短期记忆网络

引用本文复制引用

基金项目

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量2
段落导航相关论文