基于注意力机制的堆叠LSTM心电预测算法

摘要：

心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少.而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法.首先,对原始数据进行小波变换处理,经过预处理后的数据能够更好地从中提取特征进行学习.将处理后的信号输入训练模型,在训练过程中采用两个LSTM网络结构,构成一种堆叠的循环神经网络模型.输出的信号再通过注意力机制,加强重点关注区域后经由全连接层输出结果.模型采用预测准确率作为衡量模型性能的指标,并在MIT-BIH数据集上进行了测试.经过实验数据的对比,该模型在此数据集上最终预测准确率为97.7％,与传统堆叠LSTM网络相比,提升了1.3百分点;与加入注意力机制的单层LSTM网络相比,提升了0.9百分点.结果表明,该模型有效地提高了预测的准确率,充分证明了其优越性.

关键词：堆叠式LSTM网络、注意力机制、心律失常、心电预测、深度学习

所属期刊栏目：33

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金61801240

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：62-67