典型文献
使用多尺度递归图和视觉转换器的心律失常分类
文献摘要：
心电(ECG)信号反映心脏电生理活动状态,其准确分类对于心脏疾病的自动诊断非常重要,为此,提出一种使用多尺度递归图和视觉转换器的心律失常自动分类方法.首先使用小波变换将心电信号分解为低频分量和若干个高频分量,并采用递归图方法将其分别变换为二维纹理图像;然后针对样本不平衡问题,采用多分类Focal loss替代交叉熵损失函数,对视觉转换器模型进行改进;最后基于心电信号的多尺度递归图表示,使用改进的视觉转换器进行心律失常分类.采用MIT-BIH心律失常数据库中的数据进行实验,所提出的心律失常分类方法的平均准确率为97.38％.实验结果表明,提出的方法能有效识别心律失常类型,且其性能明显优于传统的心律失常自动分类方法.
文献关键词：
心律失常;多尺度;递归图;视觉转换器;多分类Focal loss
中图分类号：
作者姓名：
韩亮;罗统军;蒲秀娟;刘浩伟
作者机构：
重庆大学微电子与通信工程学院 重庆 400044;生物感知与智能信息处理重庆市重点实验室 重庆 400044
文献出处：
引用格式：
[1]韩亮;罗统军;蒲秀娟;刘浩伟-.使用多尺度递归图和视觉转换器的心律失常分类)[J].仪器仪表学报,2022(12):149-157
A类：
B类：
递归图,视觉转换器,心律失常分类,ECG,心脏电生理,活动状态,心脏疾病,自动诊断,自动分类方法,小波变换,心电信号,信号分解,低频分量,若干个,高频分量,纹理图像,样本不平衡,不平衡问题,多分类,Focal,loss,代交,交叉熵损失函数,对视,图表,MIT,BIH,平均准确率
AB值：
0.266247
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。
