心血管疾病是當今人類死亡的主要原因之一。本文基于改進的殘差網(wǎng)絡(luò)對心電信號進行識別,并將改進后的殘差網(wǎng)絡(luò)和空洞卷積進行結(jié)合,特征提取時保持局部信息不變的同時盡可能地提取全局信息。研究使用K折交叉驗證對MIT-BIH心律失常數(shù)據(jù)集進行訓(xùn)練、驗證和測試。首先使用卷積層匯集輸入圖像,其次利用改進后的網(wǎng)絡(luò)進行特征提取,最后使用Softmax分類器進行分類。在MIT-BIH心律不齊數(shù)據(jù)庫中,提出的模型在沒有任何額外人工特征和數(shù)據(jù)增強進行輔助的情況下,獲得了97.20%的準確度、92.85%的敏感度、98.29%的特異性、93.16%的精確度和93.00%的F1分數(shù)。該研究將為醫(yī)療機構(gòu)對于心電信號檢測識別提供技術(shù)支撐,從而減輕專業(yè)醫(yī)師的工作負荷。

【文章頁數(shù)】：11 頁

【部分圖文】：

圖1空洞卷積示意圖

空洞卷積(Dilatedconvolution)[13]的應(yīng)用能夠使模型在擁有相同性能的情況下使用更少的參量，在保持局部視野不變的條件下，獲得全局視野。圖1顯示了3×3卷積核在不同空洞率（Dilatedrate）下的感受視野，Dilatedrate是用來控制感受視野的卷積步....

圖2本文提出的網(wǎng)絡(luò)結(jié)構(gòu)

為了提供準確可靠的心電信號多分類解決方案，可以通過加深網(wǎng)絡(luò)來提取更多的特征。但是隨著網(wǎng)絡(luò)的加深，網(wǎng)絡(luò)會出現(xiàn)退化問題。本文提出了一種基于改進的殘差網(wǎng)絡(luò)(Modifieddilatedresidualnetwork,MDRN)模型，結(jié)構(gòu)如圖2所示。模型建立在卷積操作之上，通過融....

圖3殘差塊

圖2本文提出的網(wǎng)絡(luò)結(jié)構(gòu)改進的殘差塊(A)：本文將圖3(a)中殘差塊A第1個卷積層中的傳統(tǒng)卷積替換為空洞卷積，Dilatedrate設(shè)置為2。批標準化(Batchnormalization,BN)層[15]和Relu非線性激活函數(shù)。因為模型使用空洞卷積替換了傳統(tǒng)卷積，所以在殘....

圖44種激活函數(shù)示意圖

常見的激活函數(shù)[16]有：Relu,Elu,Sigmoid和Tanh，其分別定義如式（1)—(4）所示，示意圖如圖4所示。本文選擇Relu非線性激活函數(shù)，可以使模型能夠更好地擬合，并且Glorot等[17]也證明了使用Relu的網(wǎng)絡(luò)性能優(yōu)于預(yù)處理網(wǎng)絡(luò)。另外，為了解決殘差塊輸入輸出....

本文編號：3921786