針對心電信號的異常識別問題,提出了一個基于深度學(xué)習(xí)的改進型Cifar網(wǎng)絡(luò)模型,可以自動提取心電特征,并將提取的特征饋送到Logistic分類器中進行分類。運用縮放變換獲得圖像的多分辨率表達,該表達符合心電圖時序特點,克服了因數(shù)據(jù)量較少造成的網(wǎng)絡(luò)過擬合問題。利用心電傳感器采集志愿者心電信號,并結(jié)合正常竇性心律數(shù)據(jù)庫（NSRDB）和突發(fā)心臟病死亡數(shù)據(jù)庫（SDDB）建立訓(xùn)練測試集,用于驗證方法的有效性。在對正異常心電信號的分類實驗中,改進型Cifar網(wǎng)絡(luò)模型可達到92%的準(zhǔn)確率,靈敏度達到了94%,曲線下面積（AUC）值為0. 969,優(yōu)于傳統(tǒng)的尺度不變特征變換（SIFT）+支持向量機（SVM）算法和反向傳播（BP）算法,取得了較好的輔助診斷效果。 

【文章來源】：傳感器與微系統(tǒng). 2020,39(01)CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

改進型Cifar網(wǎng)絡(luò)結(jié)構(gòu)示意

工作流程圖如圖2所示，共獲得增強數(shù)據(jù)20 000個。本文獲得原始數(shù)據(jù)的時間軸長度大于幅度軸長度，為了獲得更符合方形卷積核特征提取的輸入圖像，對原始圖像做正規(guī)化處理，在時間軸上按照比例縮放原始圖像，將原始圖像轉(zhuǎn)換成方形圖像。利用圖像尺寸縮放變換獲得圖像金字塔，通過圖像的多分辨率表達擴充數(shù)據(jù)集。利用這種方法進行數(shù)據(jù)增強不會改變時間軸和幅度軸的時序關(guān)系，符合心電圖像特點。

訓(xùn)練結(jié)果


本文編號：3280927