计算机技术与发展2023，Vol.33Issue(1) ：62-67.DOI:10.3969/j.issn.1673-629X.2023.01.010

基于注意力机制的堆叠LSTM心电预测算法

Anomaly Prediction in ECG Signals via Stacked Long Short-term Memory with Attention Mechanism

谭庆康 潘沛生
计算机技术与发展2023，Vol.33Issue(1) ：62-67.DOI:10.3969/j.issn.1673-629X.2023.01.010
✕
  • 维普
  • 万方数据

基于注意力机制的堆叠LSTM心电预测算法

Anomaly Prediction in ECG Signals via Stacked Long Short-term Memory with Attention Mechanism

谭庆康 1潘沛生1
扫码查看

作者信息

  • 1. 南京邮电大学 通信与信息工程学院,江苏 南京 210003
  • 折叠

摘要

心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少.而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法.首先,对原始数据进行小波变换处理,经过预处理后的数据能够更好地从中提取特征进行学习.将处理后的信号输入训练模型,在训练过程中采用两个LSTM网络结构,构成一种堆叠的循环神经网络模型.输出的信号再通过注意力机制,加强重点关注区域后经由全连接层输出结果.模型采用预测准确率作为衡量模型性能的指标,并在MIT-BIH数据集上进行了测试.经过实验数据的对比,该模型在此数据集上最终预测准确率为97.7％,与传统堆叠LSTM网络相比,提升了1.3百分点;与加入注意力机制的单层LSTM网络相比,提升了0.9百分点.结果表明,该模型有效地提高了预测的准确率,充分证明了其优越性.

关键词

堆叠式LSTM网络/注意力机制/心律失常/心电预测/深度学习

引用本文复制引用

基金项目

国家自然科学基金(61801240)

出版年

2023
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
被引量2
参考文献量4
段落导航相关论文