10.3969/j.issn.1000-386x.2019.11.044
一种基于改进深度卷积神经网络的室性早搏检测算法
针对心电信号中的室性早搏检测,利用经验小波变换获取心拍时频二维数据作为神经网络的输入,以避免传统一维数据输入造成的信息损失问题.通过二维卷积神经网络进行心拍的特征提取,在网络代价函数中引入了布雷格曼散度进行优化,以增强小样本训练时的特征识别能力.该算法模型在MIT-BIH心电数据库的网络训练与性能评估表明,代价函数情况下的总体敏感度与总体阳性检测率分别为96.39%、97.25%,均优于用传统交叉熵代价函数所检测的结果.通过实验验证该算法模型获得了良好的检测率与鲁棒性,具有较强的临床应用意义.
室性早搏、经验小波变换、时频谱、卷积神经网络、布雷格曼散度
36
TP391.4(计算技术、计算机技术)
江苏省科技厅自然科学基金项目BK20151293;2019年盐城市医学科技发展计划项目
2019-11-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
275-279