10.3969/j.issn.1672-9722.2022.11.023
基于CNN-BiLSTM-Attention神经网络的心电信号分类研究
心电信号分析在心血管疾病的诊断中一直起到至关重要的作用,为了能在不同类型的心电信号中实现自动分类、识别异常心率,研究并提出了一种基于深度学习的分类模型,用来自动识别5种不同类型的心拍.研究首先利用卷积神经网络中的局部感知野特性来提取信号中的局部特征,再结合双向长短期记忆网络捕获心电序列中的前后依赖关系,最后引入注意力机制为提取到的每一个特征赋予区分化的权重,让模型在训练的过程中充分关注被分配了更高权重值的主要特征,增强模型的分类能力.针对类别数据不平衡的问题,利用合成少数过采样技术(SMOTE)进行数据增强,进一步优化了模型的分类效果.研究使用MIT-BIH作为实验数据,通过对实验结果的对比分析,验证了模型在心电信号分类方面的可行性.
心电信号分析、特征提取、卷积神经网络、注意力机制
50
TP391.4(计算技术、计算机技术)
国家自然科学基金;安徽省自然科学基金面上项目
2023-02-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
2478-2484