現(xiàn)有的心律失常分類方法通常采用人為選取心電圖(ECG)信號特征的方式,其特征選取具有主觀性,且特征提取復(fù)雜,導(dǎo)致分類準(zhǔn)確性容易受到影響等�；谝陨蠁栴},本文提出了一種基于判別式深度置信網(wǎng)絡(luò)(DDBNs)的心律失常自動分類新方法。該方法所構(gòu)建的生成受限玻爾茲曼機(jī)(GRBM)自動提取心拍信號形態(tài)特征,然后引入具有特征學(xué)習(xí)和分類能力的判別式受限玻爾茲曼機(jī)(DRBM),依據(jù)提取的形態(tài)特征和RR間期特征進(jìn)行心律失常分類。為了進(jìn)一步提高DDBNs的分類性能,本文將DDBNs轉(zhuǎn)換為使用柔性最大值(Softmax)回歸層進(jìn)行監(jiān)督分類的深度神經(jīng)網(wǎng)絡(luò)(DNN),通過反向傳播對網(wǎng)絡(luò)進(jìn)行微調(diào)。最后,采用麻省理工學(xué)院與貝斯以色列醫(yī)院心律失常數(shù)據(jù)庫(MIT-BIH AR)進(jìn)行實驗驗證,對于數(shù)據(jù)來源一致的訓(xùn)練集和測試集,該方法整體分類精度可達(dá)99.84%±0.04%;對于數(shù)據(jù)來源非一致的訓(xùn)練集和測試集,通過主動學(xué)習(xí)(AL)方法擴(kuò)充少量訓(xùn)練集,該方法整體分類精度可達(dá)99.31%±0.23%。實驗結(jié)果表明了該方法在心律失常自動特征提取和分類上的有效性,為深度學(xué)習(xí)自動提取ECG信號特征及分類提供了一種新的解決方法。

【文章頁數(shù)】：9 頁

【文章目錄】：
引言
1 實驗數(shù)據(jù)
2 特征提取與分類
    2.1 DDBNs模型構(gòu)建
        2.1.1 GRBM
        2.1.2 DRBM
    2.2 DDBNs模型訓(xùn)練
    2.3 DDBNs模型有監(jiān)督微調(diào)
3 實驗與結(jié)果分析
    3.1 ECG信號預(yù)處理
    3.2 DDBNs模型訓(xùn)練與性能評估
    3.3 實驗結(jié)果分析
    3.4 實用性深入測試
4 結(jié)論



本文編號：3968998