基于卷积神经网络的T波形态分类
T波形态分类有助于诊断心肌缺血、急性心包炎和心脏猝死等疾病,是心电图远程监控中一个重要的研究课题.传统的T 波分类算法依赖于T 波检测,在准确定位T 波的关键点之后再提取T 波特征,完成分类.但是由于T 波位置可能发生一定程度偏移,T 波的形态多变且受到多种噪声的干扰,T 波检测是一个难题.为了解决上述问题,本文提出基于卷积神经网络的T波分类算法：首先根据QRS波群位置及医学统计规律确定一个T波候选段,然后采用卷积神经网络直接完成T波分类.由于卷积神经网络有稀疏连接、权值共享的特性,能够通过训练自动获取T波特征,并且其特征对微小平移具备不变性且对噪声不敏感,从而能够有效解决T 波形态分类问题.最后在MIT-BIH QT 心电数据库上对本文方法进行测试,实验结果表明,本文方法可以在T 波起始点未确定的情况下,能够识别单峰直立、单峰倒置、低平、负正双向、正负双向五类T 波形态,正确率达到了99.1%.
心血管病、T波形态、卷积神经网络、分类
42
TP3;TP1
国家自然科学基金61473112;河北省杰出青年基金F2016201186;河北省自然科学基金F2015201112;河北省高等学校科学技术研究项目ZD2015067资助Supported by National Natural Science Foundation of China61473112;Foundation for Distinguished Young Scholars of Hebei ProvinceF2016201186;Natural Science Foundation of Hebei ProvinceF2015201112;Science and Technology Re-search Project for Universities and Colleges in Hebei ProvinceZD2015067
2016-10-14（万方平台首次上网日期，不代表论文的发表时间）
共8页
1339-1346
