典型文献
融合单导联心电图传统与深度特征的常见心律失常识别方法研究
文献摘要：
心律失常是心血管疾病中最为常见的疾病类型之一.基于便携式设备,对少数导联的心电图进行长期智能监护,有利于提高心律失常的检出率,但产生的海量长程ECG数据会给临床医生带来极大的工作负担,也容易导致漏检和误判.为此,提出一种融合单导联心电图传统与深度特征的常见心律失常自动识别方法.首先针对常见心律失常,提取频域、时域和形态上的传统特征;然后搭建残差块深度卷积神经网络和双向长短时记忆网络,用于提取深度特征;接着在通过深度网络融合3种不同尺度的特征后,对常见的心律失常节律和正常节律进行分类识别;最后采用2018年中国生理信号挑战赛和2017年全球房颤挑战大赛分别提供的6 877组静态和8 528组动态心电图数据来验证所提出的研究方法.在只采用一个导联的静态心电图信号情况下,在分类识别6种心律失常节律和1种正常节律上获得0.855的平均F1分数,优于现有的相关方法;在单导联动态心电图上,新的研究方法在分类识别房颤、其他心律失常和正常节律的平均F1分数为0.827,与2017年全球房颤挑战大赛中两个并列第一的方法性能相当,优于其他相关方法.因此,所提出的研究方法在常见心律失常的辅助诊断和穿戴式远程监护中具有较好的应用前景.
文献关键词：
心律失常;单导联心电图;传统特征;深度特征;识别
中图分类号：
作者姓名：
李全池;黄鑫;罗成思;黄惠泉;饶妮妮
作者机构：
电子科技大学生命科学与技术学院,成都 610054
文献出处：
引用格式：
[1]李全池;黄鑫;罗成思;黄惠泉;饶妮妮-.融合单导联心电图传统与深度特征的常见心律失常识别方法研究)[J].中国生物医学工程学报,2022(01):31-40
A类：
B类：
单导联心电图,图传,深度特征,心律失常,常识,心血管疾病,疾病类型,便携式设备,行长,智能监护,长程,ECG,临床医生,工作负担,漏检,误判,自动识别方法,频域,传统特征,残差块,深度卷积神经网络,双向长短时记忆网络,深度网络,网络融合,不同尺度,节律,分类识别,生理信号,挑战赛,房颤,动态心电图,图数据,心电图信号,相关方法,别房,他心,并列第一,辅助诊断,穿戴式,远程监护
AB值：
0.325662
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。
