針對(duì)心電信號(hào)T波分類問題和深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolutional neural networks,DCNN）出現(xiàn)的過擬合問題,提出了一種改進(jìn)的深度神經(jīng)網(wǎng)絡(luò)算法,通過引入Dropout概念優(yōu)化網(wǎng)絡(luò)訓(xùn)練過程,提高算法的泛化能力。就分類準(zhǔn)確率、訓(xùn)練次數(shù)、卷積核、算法的泛化能力4個(gè)方面進(jìn)行實(shí)驗(yàn)對(duì)比,結(jié)果表明:在分類準(zhǔn)確率方面,所提算法的標(biāo)注結(jié)果與專家人工的標(biāo)注結(jié)果接近,且標(biāo)注重復(fù)率均可達(dá)98.9%以上;在訓(xùn)練次數(shù)方面,可有效減少訓(xùn)練次數(shù),且測(cè)試集識(shí)別率可達(dá)99.31%;選擇合適的卷積核個(gè)數(shù),最終的測(cè)試集識(shí)別率可達(dá)99.31%。所提算法與BP神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network, RNN）、DCNN這3種方法相比較,可有效降低DCNN的過擬合問題,提高算法的泛化能力。 

【文章來源】：中國(guó)科技論文. 2020,15(07)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

數(shù)據(jù)庫(kù)組成框圖

T波檢測(cè)方法流程

含有噪聲的原始心電信號(hào)

【參考文獻(xiàn)】：
期刊論文
[1]基于SWT和雙變量閾值函數(shù)的ECG信號(hào)去噪[J]. 湯偉,王玲利,稅宇陽,王帥.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(03)
[2]心電信號(hào)識(shí)別分類算法綜述[J]. 馬金偉,劉盛平.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(12)
[3]基于Dropout深度卷積神經(jīng)網(wǎng)絡(luò)的ST段波形分類算法[J]. 任曉霞.  傳感技術(shù)學(xué)報(bào). 2018(08)
[4]基于雙卷積神經(jīng)網(wǎng)絡(luò)的行人精細(xì)化識(shí)別[J]. 王楓,劉青山.  中國(guó)科技論文. 2017(14)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的T波形態(tài)分類[J]. 劉明,李國(guó)軍,郝華青,侯增廣,劉秀玲.  自動(dòng)化學(xué)報(bào). 2016(09)
[6]基于單心拍心房活動(dòng)特征與卷積神經(jīng)網(wǎng)絡(luò)的房顫?rùn)z測(cè)[J]. 劉明,韓小岑.  激光雜志. 2015(12)
[7]面向臨床心電圖分析的深層學(xué)習(xí)算法[J]. 金林鵬,董軍.  中國(guó)科學(xué):信息科學(xué). 2015(03)
[8]基于多層卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的單幀圖像超分辨率重建方法[J]. 劉娜,李翠華.  中國(guó)科技論文. 2015(02)
[9]心電信號(hào)多形態(tài)T波檢測(cè)方法研究[J]. 王云鶴,錢夢(mèng)瑤,劉定宇,饒妮妮.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2013(04)
[10]心電圖T波異常在冠心病診斷中的臨床價(jià)值[J]. 趙立朝,王晉麗,牛盧芳,郭艷,郜玲,趙成輝,文冬凌,王小鵬,石亞君.  中華保健醫(yī)學(xué)雜志. 2012(04)

碩士論文
[1]心電信號(hào)中T波交替的檢測(cè)方法研究[D]. 張世杰.武漢理工大學(xué) 2009



本文編號(hào)：3566304