典型文献
基于改进型一维U型网络的心律失常分类方法
文献摘要：
根据统计心律失常是引起心源性猝死的最主要原因.对此提出了一个改进型的一维U型网络(one-di-mensionalUnet,1D-Unet)对分割后的心电信号进行分类识别.该网络基于MIT—BIH的心律失常数据库,采用了 美国医疗仪器促进协会(Association for the Advancement of Medical Instrumentation,AAMI)制定的分类标准,改进型的1D—UNet选取合适的卷积层和卷积核数目,在上采样与拼接的过程中尽量保存原始信号的特征.该网络在心电信号小波去噪的情况下,识别准确率达到99.46％,F1分数为97.57％.网络分类的平均准确率为99.73％,精确度98.23％,敏感度96.92％,特异度99.17％,无去噪处理的网络识别准确率为99.4％,F1分数为97.12％.此网络因为是全卷积层的网络,输出层并没有采用经典的全连接层,神经网络的参数大大减少.该网络对于临床上通过心电图诊断心律失常有很大辅助作用.
文献关键词：
心律失常;心电信号;MIT-BIH数据库;一维U型网络
中图分类号：
作者姓名：
黄莹;王烈;蓝峥杰
作者机构：
广西大学计算机与电子信息学院,广西南宁530004
文献出处：
引用格式：
[1]黄莹;王烈;蓝峥杰-.基于改进型一维U型网络的心律失常分类方法)[J].微电子学与计算机,2022(01):80-87
A类：
mensionalUnet
B类：
改进型,心律失常分类,分类方法,心源性猝死,one,1D,心电信号,分类识别,MIT,BIH,医疗仪器,Association,Advancement,Medical,Instrumentation,AAMI,分类标准,UNet,卷积层,卷积核,核数,上采样,拼接,小波去噪,识别准确率,平均准确率,去噪处理,全卷积,出层,全连接层,大大减少,过心,心电图诊断,辅助作用
AB值：
0.378435
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。
