10.19678/j.issn.1000-3428.0055932
基于二维图像与迁移卷积神经网络的心律失常分类
心律失常的自动分类对心血管疾病的诊断和预防具有重要意义.传统分类方法需要对心电信号进行人工特征提取,这对分类准确度有很大的影响.针对该问题,提出一种基于二维图像与迁移卷积神经网络(TCNN)的分类方法.通过对心电信号进行格拉姆角场变换将其转换为二维图像,在保证心电图像完整性的同时,保留原始信号的时间依赖性.在此基础上,结合迁移学习的思想,设计结构简单且参数量较少的TCNN模型对心电图像进行分类.实验结果表明,该方法网络训练用时较少,并且分类总准确率达到99.82%,可实现对心律失常的有效分类.
心电信号、格拉姆角场、二维图像、迁移学习、迁移卷积神经网络
46
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金青年科学基金;上海市自然科学基金
2020-11-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
315-320