典型文献
基于时序心脏模型样本均衡方法的心律失常分类
文献摘要：
心律失常自动分类作为计算机在临床上的重要应用,可以有效辅助心血管疾病的诊断,但实验中样本不均衡问题严重影响分类精度.目前用于解决样本不均衡问题的主流方法为对抗神经网络,但存在训练不稳定和模式崩溃等问题,且仅依靠数据进行学习,缺乏一定的生理意义.因此提出基于时序心脏模型的样本均衡方法生成心电数据,在2018年中国生理信号挑战赛提供的12导联数据集上进行实验,采用深度残差网络作为分类模型分别对每个导联进行训练,通过极端梯度提升算法实现导联融合.经过样本均衡后,各类F1分数均有提升,左束支阻滞(LBBB)、ST段降低(STD)、ST段抬升(STE)的改善尤其显著,分别由扩增前的0.706、0.684、0.524提升至0.832、0.809、0.618.为验证本方法的通用性,对PTB数据集进行独立测试,分类准确率达到98.64％.实验结果表明,基于时序心脏模型生成仿真数据能够有效改善实验样本不均衡现象.
文献关键词：
心律失常;时序心脏模型;神经网络;导联融合
中图分类号：
作者姓名：
徐永红;王金萍;马佳越
作者机构：
燕山大学电气工程学院,河北 秦皇岛 066004
文献出处：
引用格式：
[1]徐永红;王金萍;马佳越-.基于时序心脏模型样本均衡方法的心律失常分类)[J].中国生物医学工程学报,2022(03):301-309
A类：
时序心脏模型,导联融合
B类：
样本均衡,均衡方法,心律失常分类,自动分类,重要应用,心血管疾病,样本不均衡,均衡问题,问题严重,分类精度,主流方法,对抗神经网络,模式崩溃,成心,心电数据,生理信号,挑战赛,联数,深度残差网络,分类模型,极端梯度提升算法,算法实现,左束支阻滞,LBBB,STD,抬升,STE,通用性,PTB,分类准确率,模型生成,仿真数据,不均衡现象
AB值：
0.356051
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。
