首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
潘辉,郑威,张莹莹.基于改进残差网络对心电信号的识别[J].数据采集与处理,2020,35(4):682-692
基于改进残差网络对心电信号的识别
Recognition of ECG Signal Based on Modified Residual Network
投稿时间:2020-03-20  修订日期:2020-06-21
DOI:10.16337/j.1004-9037.2020.04.009
中文关键词:  心律失常信号  空洞卷积  残差网络  MIT-BIH  Softmax
英文关键词:arrhythmia signal  dilated convolution  residual network  MIT-BIH  Softmax
基金项目:国家自然科学基金(61601206,61671221)资助项目;江苏省自然科学基金(BK2016055)资助项目;江苏省高校自然科学研究(15KJB310003,16KJD510001,17KJB510013)资助项目。
作者单位邮编
潘辉 江苏科技大学电子信息学院镇江212003 212003
郑威 江苏科技大学电子信息学院镇江212003 212003
张莹莹 江苏科技大学电子信息学院镇江212003 212003
摘要点击次数: 121
全文下载次数: 245
中文摘要:
      心血管疾病是当今人类死亡的主要原因之一。本文基于改进的残差网络对心电信号进行识别,并将改进后的残差网络和空洞卷积进行结合,特征提取时保持局部信息不变的同时尽可能地提取全局信息。研究使用K折交叉验证对MIT-BIH心律失常数据集进行训练、验证和测试。首先使用卷积层汇集输入图像,其次利用改进后的网络进行特征提取,最后使用Softmax分类器进行分类。在MIT-BIH心律不齐数据库中,提出的模型在没有任何额外人工特征和数据增强进行辅助的情况下,获得了97.20%的准确度、92.85%的敏感度、 98.29%的特异性、93.16%的精确度和93.00%的 F1分数。该研究将为医疗机构对于心电信号检测识别提供技术支撑,从而减轻专业医师的工作负荷。
英文摘要:
      Cardiovascular disease is one of the main causes of human death. Based on the modified residual network, we identify ECG signals and combine the modified residual network with dilated convolution to extract global information as much as possible while keeping local information unchanged in feature extraction. The MIT-BIH arrhythmia data set is trained, validated and tested using K-fold cross validation. In the experiment, firstly, the convolution layer is used to collect the input images. Secondly, the modified network is used to extract the features. Finally, the Softmax classifier is used for classification. In the MIT-BIH arrhythmia database, the proposed model achieves 97.20% accuracy, 92.85% sensitivity, 98.29% specificity, 93.16% accuracy and 93.00% F1 score without any additional artificial features and data augmentation. This research will provide technical support for the detection and recognition of ECG signals to reduce the workload of professional doctors in medical institutions.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第1823795位访问者 本站今日一共被访问102

技术支持:北京勤云科技发展有限公司