10.3969/j.issn.1006-4303.2021.06.002
基于CNN和ET的智能ECG识别方法
心电图(ECG)是检测心血管疾病的重要依据之一,通过对各类心电图的实时分析,可以达到检测被测者房颤及心脏健康情况的目的.采用基于卷积神经网络(CNN)和极端随机树(ET)混合模型的心电信号分类方法,通过连续小波变换对数据进行滤波处理,在此基础上通过CNN-ET混合模型,实现了心电信号的分类.方法结合了CNN对一维数据的强大表征能力,通过ET降低了异常值影响,预防了过拟合问题,具有较强的泛化能力.将所提出的方法在MIT-BIH数据集上进行了测试,在5类心电心拍次数不平衡问题检测中准确率达到99.95%,与现有方法相比,该改进方法进一步提高了ECG信号分类的精确度.
卷积神经网络;小波分解;极端随机树;ECG分类
49
TP391.77(计算技术、计算机技术)
国家重点研发计划2018YFE0206900
2021-12-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
602-607