典型文献
基于CNN和BLSTM的房颤识别算法
文献摘要：
针对传统机器学习算法难以提取复杂心拍特征的弊端,提出一种基于深度学习的房颤识别算法.基于心电信号的一维时序特性,设计一维深层卷积神经网络模型,自动挖掘原始信号预处理后的深层次特征.将适合捕捉时间序列长期依赖关系的双向长短期记忆网络与卷积神经网络进行结合,搭建一种深度学习网络模型.基于PCinCC2017数据库实现对原始心电信号的自动分类,完成对房颤的识别.实验结果表明,该算法以86％的分类准确率和83％的F1度量验证了模型的可行性和算法的有效性.
文献关键词：
深度学习;房颤;心电信号;卷积神经网络;双向长短期记忆网络
中图分类号：
作者姓名：
包志强;白莹;黄琼丹;吕少卿
作者机构：
西安邮电大学 通信与信息工程学院,陕西 西安 710121
文献出处：
引用格式：
[1]包志强;白莹;黄琼丹;吕少卿-.基于CNN和BLSTM的房颤识别算法)[J].计算机工程与设计,2022(05):1312-1318
A类：
PCinCC2017
B类：
BLSTM,房颤,识别算法,机器学习算法,心电信号,时序特性,深层卷积神经网络,卷积神经网络模型,自动挖掘,信号预处理,层次特征,依赖关系,双向长短期记忆网络,深度学习网络,自动分类,分类准确率,和算
AB值：
0.255609
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
