發(fā)布時(shí)間：2021-07-28 21:14

　　為了適用于長期心電監(jiān)護(hù)和ICU等實(shí)時(shí)性、數(shù)據(jù)密集型應(yīng)用場合,提出可在8 Hz采樣頻率的1 min心電圖（ECG）片段上提前45 min預(yù)測陣發(fā)性房顫（PAF）發(fā)作的實(shí)時(shí)預(yù)測模型.采用概率符號化模式識別方法,在降采樣后的ECG序列上提取出1 min窗口內(nèi)的模式轉(zhuǎn)移特征,降低模型的計(jì)算量和對存儲空間的需求,確保實(shí)時(shí)預(yù)測的效果.提出卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短-期記憶網(wǎng)絡(luò)（LSTM）的混合模型（CNN-LSTM）,用于提取模式轉(zhuǎn)移特征內(nèi)隱含的局部空間特征和時(shí)間依賴特征.為了提升模型泛化能力,構(gòu)建基于CNN-LSTM的集成分類器.采用Spark Streaming技術(shù)完成對ECG流式數(shù)據(jù)的讀、寫和計(jì)算,實(shí)現(xiàn)數(shù)據(jù)和模型之間的低延遲通信.所提模型在公開數(shù)據(jù)集上的準(zhǔn)確率、靈敏度和特異度分別為91.26%、82.21%、95.79%.模型處理總延遲平均為2 s,滿足實(shí)時(shí)PAF預(yù)測需求. 

【文章來源】：浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2020,54(05)北大核心EICSCD

【文章頁數(shù)】：10 頁

【參考文獻(xiàn)】：
期刊論文
[1]用于心律失常識別的LSTM和CNN并行組合模型[J]. 張異凡,黃亦翔,汪開正,劉成良.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(10)
[2]基于RR間期的陣發(fā)性房顫復(fù)發(fā)預(yù)測[J]. 蘭天杰,楊翠微.  生物醫(yī)學(xué)工程學(xué)雜志. 2019(04)
[3]心房顫動:目前的認(rèn)識和治療的建議-2018[J]. 黃從新,張澍,黃德嘉,華偉.  中國心臟起搏與心電生理雜志. 2018(04)



本文編號：3308657