%0 Journal Article %A 李兴秀 %A 唐建军 %A 华晶 %T 结合CNN与双向LSTM的心律失常分类 %D 2021 %R 10.3778/j.issn.1673-9418.2010053 %J 计算机科学与探索 %P 2353-2361 %V 15 %N 12 %X

心律失常是心血管疾病中常见的病症之一,实现心律失常的自动分类对心血管疾病的诊治具有重要意义。基于一维心电信号的心律失常分类方法以若干节拍作为输入,通过模型提取特征并用于分类。针对现有方法预处理时间成本高以及未按医疗仪器促进协会(AAMI)标准分类等问题,提出了一种基于原始一维心电信号并按照AAMI推荐标准类别进行心律失常自动分类的方法。该方法首先利用卷积神经网络(CNN)学习心电信号的形态特征,之后通过双向长短期记忆网络(BLSTM)获取特征中的上下文依赖关系,最后借助softmax函数完成分类任务。方法采用mish函数作为激活函数,使得模型在训练中更为稳定。在公开数据库MIT-BIH上进行五折交叉验证,评估结果达到了99.11%的平均准确率,表明该模型可以有效地提取心电信号的特征,适用于监测系统中心律失常疾病的诊断。

%U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.2010053