10.3969/j.issn.1000-1220.2018.11.017
一种高效检测心律不齐的深度学习算法
针对传统深度神经网络在心律不齐检测中存在的训练时间长、运算量大、识别率不高等问题,本文提出了一种简洁但高效的深度神经网络模型-SE-CNN(Simple but Efficient Convolutional Neural Network).该模型使用单导联ECG(ElectroCardio-Gram)数据,构建一个层数较少的一维卷积神经网络,因而在训练速度和计算开销等方面具有一定的优势.在MIT-BIH心律不齐数据集上的实验结果表明,本文提出的模型检测精度较高且模型复杂度较小,具有很好的鲁棒性,也克服传统算法手工提取特征、工作量较大等缺点.
深度神经网络、卷积神经网络、心律不齐检测
39
TP391(计算技术、计算机技术)
郑州大学优秀青年教师发展基金项目1521337044;河南省高等学校重点科研项目17A520016
2018-12-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
2436-2440