改进的深度卷积神经网络对T波分类的应用

摘要：

针对心电信号T波分类问题和深度卷积神经网络(deep convolutional neural networks,DCNN)出现的过拟合问题,提出了一种改进的深度神经网络算法,通过引入Dropout概念优化网络训练过程,提高算法的泛化能力.就分类准确率、训练次数、卷积核、算法的泛化能力4个方面进行实验对比,结果表明:在分类准确率方面,所提算法的标注结果与专家人工的标注结果接近,且标注重复率均可达98.9％以上;在训练次数方面,可有效减少训练次数,且测试集识别率可达99.31％;选择合适的卷积核个数,最终的测试集识别率可达99.31％.所提算法与BP神经网络、循环神经网络(recurrent neural network,RNN)、DCNN这3种方法相比较,可有效降低DCNN的过拟合问题,提高算法的泛化能力.

关键词：深度卷积神经网络、心电信号、T波、泛化能力

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省重点科技创新团队计划项目;陕西省科技统筹创新工程计划项目

在线出版日期：2020-09-01（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：787-792