典型文献
结合卷积神经网络与双向长短期记忆网络的房颤预测算法研究
文献摘要：
房颤发病突然且往往伴随着严重的并发症(如脑卒中、心肌梗死等),对健康产生极大威胁.随着深度学习技术的发展,深度神经网络因能自动提取特征等优势在房颤分类算法中被广泛应用.本文提出了一种基于卷积神经网络(convolutional neural network,CNN)和双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)网络、可用于房颤分类预测的深度学习框架,可根据心电图预测房颤.借助CNN提取心电信号的形态特征并进行序列重构,将重构序列输入Bi-LSTM网络,对正反时序的节律变化进行分析,能够有效预测房颤发生前30 min内的数据、正常窦性心律数据和房颤发生时的数据.利用长时房颤数据库、MIT-BIH房颤数据库和MIT-BIH正常窦性心律数据库的数据,对提出的算法进行了训练与验证,准确率达93.3％.
文献关键词：
心电图;房颤;卷积神经网络;长短期记忆网络;注意力机制
中图分类号：
作者姓名：
王量弘;李馨;陈钧颖;杨涛;王新康;高洁
作者机构：
350108 福建 福州,福州大学物理与信息工程学院;350001 福建 福州 福建省立医院心电诊断科
文献出处：
引用格式：
[1]王量弘;李馨;陈钧颖;杨涛;王新康;高洁-.结合卷积神经网络与双向长短期记忆网络的房颤预测算法研究)[J].实用心电学杂志,2022(04):256-261
A类：
B类：
双向长短期记忆网络,房颤,预测算法,算法研究,脑卒中,心肌梗死,大威,深度学习技术,深度神经网络,自动提取,提取特征,分类算法,convolutional,neural,network,bi,directional,long,short,term,memory,Bi,分类预测,深度学习框架,心电图,取心,心电信号,正反,节律,生前,窦性心律,MIT,BIH,注意力机制
AB值：
0.315409
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。
