登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于深度长短时记忆神经网络模型的心律失常检测算法
  • 摘要

    针对传统基于形态特征的心电检测算法存在特征提取不准确和高复杂性等问题,提出了一种多层的长短时记忆(LSTM)神经网络结构.结合传统LSTM模型在时序数据处理上的优势,该模型增加了反向和深度计算,避免了人工提取波形特征,提高了网络的学习能力.通过给定心拍序列和分类标签进行监督学习,然后实现对未知心拍的心律失常检测.通过对MIT-BIH数据库中的心律失常数据集进行实验验证,模型的总体准确率为98.34%.相比支持向量机(SVM),该模型的准确率和F1值均有提高.

  • 作者

    杨朔  蒲宝明  李相泽  王帅  常战国  YANG Shuo  PU Baoming  LI Xiangze  WANG Shuai  CHANG Zhanguo 

  • 作者单位

    中国科学院大学 计算机与控制工程学院,北京100049;中国科学院 沈阳计算技术研究所,沈阳110168/中国科学院 沈阳计算技术研究所,沈阳,110168/东北大学 计算机科学与工程学院,沈阳,110819

  • 刊期

    2019年3期 ISTIC PKU

  • 关键词

    心律失常  心电  长短时记忆神经网络  时序数据  支持向量机 

相似文献 查看更多>>
3.85.214.0