当前位置:主页 > 科技论文 > 信息工程论文 >

基于改进残差网络对心电信号的识别

发布时间:2024-03-08 01:17
  心血管疾病是当今人类死亡的主要原因之一。本文基于改进的残差网络对心电信号进行识别,并将改进后的残差网络和空洞卷积进行结合,特征提取时保持局部信息不变的同时尽可能地提取全局信息。研究使用K折交叉验证对MIT-BIH心律失常数据集进行训练、验证和测试。首先使用卷积层汇集输入图像,其次利用改进后的网络进行特征提取,最后使用Softmax分类器进行分类。在MIT-BIH心律不齐数据库中,提出的模型在没有任何额外人工特征和数据增强进行辅助的情况下,获得了97.20%的准确度、92.85%的敏感度、98.29%的特异性、93.16%的精确度和93.00%的F1分数。该研究将为医疗机构对于心电信号检测识别提供技术支撑,从而减轻专业医师的工作负荷。

【文章页数】:11 页

【部分图文】:

图1空洞卷积示意图

图1空洞卷积示意图

空洞卷积(Dilatedconvolution)[13]的应用能够使模型在拥有相同性能的情况下使用更少的参量,在保持局部视野不变的条件下,获得全局视野。图1显示了3×3卷积核在不同空洞率(Dilatedrate)下的感受视野,Dilatedrate是用来控制感受视野的卷积步....


图2本文提出的网络结构

图2本文提出的网络结构

为了提供准确可靠的心电信号多分类解决方案,可以通过加深网络来提取更多的特征。但是随着网络的加深,网络会出现退化问题。本文提出了一种基于改进的残差网络(Modifieddilatedresidualnetwork,MDRN)模型,结构如图2所示。模型建立在卷积操作之上,通过融....


图3残差块

图3残差块

图2本文提出的网络结构改进的残差块(A):本文将图3(a)中残差块A第1个卷积层中的传统卷积替换为空洞卷积,Dilatedrate设置为2。批标准化(Batchnormalization,BN)层[15]和Relu非线性激活函数。因为模型使用空洞卷积替换了传统卷积,所以在残....


图44种激活函数示意图

图44种激活函数示意图

常见的激活函数[16]有:Relu,Elu,Sigmoid和Tanh,其分别定义如式(1)—(4)所示,示意图如图4所示。本文选择Relu非线性激活函数,可以使模型能够更好地拟合,并且Glorot等[17]也证明了使用Relu的网络性能优于预处理网络。另外,为了解决残差块输入输出....



本文编号:3921786

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3921786.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e7a6f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com