基于多头注意力机制的房颤检测方法
近年来,随着人工智能的发展,深度学习模型已在ECG数据分析(尤其是房颤的检测)中得到广泛应用.本文提出了一种基于多头注意力机制的算法来实现房颤的分类,并通过PhysioNet 2017年挑战赛的公开数据集对其进行训练和验证.该算法首先采用深度残差网络提取心电信号的局部特征,随后采用双向长短期记忆网络在此基础上提取全局特征,最后传入多头注意力机制层对特征进行重点提取,通过级联的方式将多个模块相连接并发挥各自模块的作用,整体模型的性能有了很大的提升.实验结果表明,本文所提出的heads-8模型可以达到精度0.861,召回率0.862,F1得分0.861和准确率0.860,这优于目前针对心电信号的房颤分类的最新方法.
ECG分类、深度学习、残差网络、双向长短期记忆网络、多头注意力机制
30
2021-04-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
17-24