本文關(guān)鍵詞： 卷積神經(jīng)網(wǎng)絡(luò) 心電節(jié)拍分類(lèi) 特征提取 模式識(shí)別 形態(tài)特征　出處：《計(jì)算機(jī)工程與設(shè)計(jì)》2017年04期 　論文類(lèi)型：期刊論文

【摘要】：提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的心電特征提取方法,以心拍R點(diǎn)前后75ms內(nèi)的信號(hào)為QRS波群,提取QRS波群的180Hz下采樣和RR間期,把QRS采樣作為CNN的卷積層輸入,把CNN的全連接層輸出作為形態(tài)特征。對(duì)CNN特征進(jìn)行分類(lèi)能力測(cè)試,與文獻(xiàn)方法對(duì)比結(jié)果表明,CNN特征在平均Se上有1.7%的提升,在平均P~+上有2.9%的提升,對(duì)于S類(lèi)的Se提升7%,P~+提升9%,對(duì)V類(lèi)的Se提升4%,P+提升2%;該方法在F類(lèi)上性能低于文獻(xiàn)最佳值,因?yàn)樯窠?jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本數(shù)要求比支持向量機(jī)(SVM)高。
[Abstract]:A novel ECG feature extraction method based on convolutional neural network (CNN) is proposed. The signals within 75ms before and after beating the R point are used as QRS wave groups. The 180Hz downsampling and RR intervals of QRS wave groups are extracted, and the QRS sampling is used as the convolution layer input of CNN. The full join layer output of CNN is taken as the morphological feature. The classification ability of CNN features is tested. The results of comparison with the methods in literature show that the average se and P ~ increases of CNN feature are 1.7% and 2.9%, respectively. For the S type se increase of 7% and P ~ (9), the V type se is raised 4% and P 2. The performance of this method is lower than the best value in the literature on category F, because the neural network requires more training samples than the support vector machine (SVM).
【作者單位】： 中國(guó)科學(xué)院微電子研究所;中國(guó)科學(xué)院微電子研究所昆山分所;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61271423)
【分類(lèi)號(hào)】：TP183;R540.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葛丁飛;李小梅;;心電信號(hào)多周期融合特征提取和分類(lèi)研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2006年06期

2 張紹武;潘泉;趙春暉;程詠梅;;基于加權(quán)自相關(guān)函數(shù)特征提取法的多類(lèi)蛋白質(zhì)同源寡聚體分類(lèi)研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年04期

3 薛建中,鄭崇勛,閆相國(guó);快速多變量自回歸模型的意識(shí)任務(wù)的特征提取與分類(lèi)[J];西安交通大學(xué)學(xué)報(bào);2003年08期

4 楊曉敏,羅立民;白細(xì)胞自動(dòng)分類(lèi)中的特征提取和分析[J];北京生物醫(yī)學(xué)工程;1992年04期

5 王雙維;樊曉平;廖志芳;;一種激光誘導(dǎo)熒光光譜特征提取新方法[J];計(jì)算機(jī)工程與應(yīng)用;2008年12期

6 杜軍平,涂序彥;計(jì)算機(jī)圖像處理技術(shù)在舌像特征提取中的應(yīng)用[J];中國(guó)醫(yī)學(xué)影像技術(shù);2003年S1期

7 游佳;陳卉;;數(shù)字圖像中血管的分割與特征提取[J];生物醫(yī)學(xué)工程與臨床;2011年01期

8 謝軼峰;;乳腺超聲圖像腫瘤特征提取與腫瘤分類(lèi)[J];中外醫(yī)療;2013年16期

9 吳澤暉,吳星;醫(yī)學(xué)圖象的邊緣特征提取[J];海南師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年03期

10 楊曉敏，羅立民，，韋鈺;血液白細(xì)胞計(jì)算機(jī)分類(lèi)中的特征提取研究[J];應(yīng)用科學(xué)學(xué)報(bào);1994年02期

相關(guān)會(huì)議論文 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專(zhuān)刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

7 林土勝;賴(lài)聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

9 劉紅;陳光

本文編號(hào)：1512323