计算机技术与发展2023，Vol.33Issue(1) ：178-186.DOI:10.3969/j.issn.1673-629X.2023.01.027

一种用于心电图分类的改进神经网络算法

An Improved Neural Network Algorithm for ECG Classification

尘昌华 乔风娟 李彬
计算机技术与发展2023，Vol.33Issue(1) ：178-186.DOI:10.3969/j.issn.1673-629X.2023.01.027
✕
  • 维普
  • 万方数据

一种用于心电图分类的改进神经网络算法

An Improved Neural Network Algorithm for ECG Classification

尘昌华 1乔风娟 2李彬2
扫码查看

作者信息

  • 1. 上海开放大学奉贤分校,上海201499
  • 2. 齐鲁工业大学(山东省科学院) 数学与统计学院,山东 济南 250353
  • 折叠

摘要

心血管疾病的死亡率在所有疾病中居于首位,心电图能够反映人体的电信号活动情况,它已成为医生用来诊断心血管疾病的重要依据.随着计算机辅助ECG诊断技术的快速发展,深度学习方法已能够实现ECG信号的特征提取和分类.为了较好地提高ECG信号的分类识别率和处理效率,该文提出了一种新的心电图分类方法.首先,对原始数据进行去噪,提出了基于经验小波变换(EWT)的提升小波阈值去噪方法.然后,重构经过提升小波阈值去噪技术处理过的模态分量.在训练过程中,设计了基于局部感受野的极限学习机(ELM-LRF)和双向长短时记忆网络(BLSTM)结合的神经网络算法,并利用注意力机制优化该算法,提出了LRF-BLSTM-Attention模型.最后,在CCDD和MIT-BIH数据集上对提出算法的性能进行验证,准确率分别达到86.12％和99.87％,证明了该算法在临床心血管疾病智能诊断中的实用性.与其他模型相比,该模型的收敛速度更快,收敛的损失值更小.

关键词

极限学习机/局部感受野/双向长短时记忆网络/注意力机制/心电图

引用本文复制引用

基金项目

山东省高等学校青创科技支持计划(2019KJN011)

山东省自然科学基金(ZR2020MF097)

济南市"新高校20条"项目(2021GXRC100)

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
参考文献量10
段落导航相关论文