基于改进多导联残差网络的广泛前壁心肌梗死自动诊断

摘要：

广泛前壁心肌梗死是心梗中危害较大的一种类型,其发病迅速,致死率高,堵塞面积大,对人体造成不可逆的损伤.心电图是检测心梗的重要手段,医生要凭经验判断其发生部位,过程繁琐.针对以上情况,提出一种基于深度学习算法的广泛前壁心肌梗死的自动诊断.算法先将前壁心梗涉及到的V1～V5导联信号进行去噪滤波,分割心拍处理,然后搭建改进多导联残差网络模型,将信号并行输入,实现健康与前壁心梗的分类.实验采用PTB心梗数据库进行验证,准确率达到97.85％,高于经典神经网络.该研究能辅助医生进行广泛前壁心梗的诊断,具有一定的临床意义.

关键词：广泛前壁心肌梗死、深度学习、改进多导联残差网络、心电图

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：吉林省科技厅项目20200404212YY

在线出版日期：2022-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：111-117