资料下载
卷积神经网络在心拍类识别医疗电子中有什么样的应用
分享资料个
心电图（ ECG）心拍分类对心脏疾病的临床诊断具有重要意义，但是ECG四类心拍间数据不平衡问题严重制约着心拍分类性能的提升。针对这一问题，以卷积神经网络（ CNN）为基础，首先在组合四类心拍等量数据基础上构建用于表达噪声及四类心拍间共性信息的通用CNN模型，接着以通用CNN模型为基础分别在四类心拍数据上构建四个更为有效表达对应心拍类别倾向性信息的类别CNN模型，最后综合四个类别CNN模型的输出判别心拍类型。在MIT-BIH心电图数据库上的实验结果显示，该方法的平均灵敏度为99. 68%、平均阳性检测率是98.58%、综合指标是99.12%，显著优于二级联合聚类法在MIT-BIH心电图数据库上的分类性能。
心脏疾病严重威胁人类的身体健康，世界卫生组织2015年公布的全球十大死亡病因中，因缺血性心脏病（又称冠心病）死亡的人数占876万人，位于第一位；心电图（ ElectroC ardioGram．ECG）诊断是检测心脏疾病最基础、最常用的方法，而人工诊断的误诊率较高，2004 - 2013年发表在中文医学期刊并经遴选纳入误诊疾病数据库的急性心肌梗死（ Acute Myocardial Infarction．AMI）文献共485篇，累计误诊病例7840例，误诊率19. 62%：因此，使用计算机生成ECG中的深层特征，实现计算机自动ECG诊断成为ECG研究的重要方向，其中ECG心拍分类对ECG自动诊断和临床有重要价值。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
