基于一维卷积神经网络的实时心脏按压评估

摘要：

在评估胸外心脏按压加速度波形时,现有的利用加速度波形积分计算胸外心脏按压距离的方法多数存在积分漂移、误差累积的问题.在波形分割和标签修正的基础上,提出一种基于一维卷积神经网络的胸外心脏按压波形的识别算法.对滤波后的数据进行脉冲识别,使用滑动窗口模型分割识别后的脉冲得到单次按压的加速度波形,根据数据离散程度对标签进行修正,解决标签可信度低的问题,在此基础上运用学习率衰减、Adam算法等构建一维卷积神经网络模型并进行优化.实验结果表明,该算法基于一维卷积神经网络的分类正确率达到99.4％,对比传统的积分算法、BP神经网络算法提升近5％,且不受按压遮挡、电磁波干扰等因素的影响,对于胸外心脏按压评估具有良好的效果.

关键词：胸外心脏按压、一维卷积神经网络、滑动窗口模型、脉冲识别与波形分割、弱监督学习策略

所属期刊栏目：46

分类号：TP306(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点基础研究发展计划;教育部新世纪优秀人才支持计划;徐州市应用基础研究项目

在线出版日期：2020-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：298-304,311