TY -的A2 Xiong Naixue AU -谢,祁阳AU -王,Xingrui盟——太阳,宏宇AU -张Yongtao AU - Lu,湘PY - 2021 DA - 2021/11/10 TI - ECG信号检测和分类基于ResNet心脏节律疾病和LSTM SP - 5862017六世- 2021 AB -心律失常是最危险的疾病之一,在各种心血管疾病。重要的是要实现高效、准确的自动检测心律失常临床心血管疾病的诊断和治疗。基于先前的研究心电图(ECG)自动检测和分类算法,本文使用ResNet34网络学习心电图信号的形态特征和信号的重要信息,然后进入三层堆叠长期和短期记忆网络的上下文依赖特性。最后,四个分类任务实现2017年生理网挑战测试数据集通过将softmax函数。激活函数改变从ReLu函数米什函数在这个模型。负面信息的心电图信号被认为是在训练过程中,使模型更加稳定和准确的分类能力。此外,本文计算并比较正确分类样本的平均信息熵和分类错误的样本在测试集。此外,它消除了影响明显的信号异常(冗余或损失)模型的分类结果,更加全面、准确地解释模型的分类效果和性能。消除异常信号的可能性后,ResNet34-LSTM3模型平均获得 F 1 平均得分0.861和接受者操作特征曲线下面积(ROC) 0.972测试数据集,这表明该模型可以有效地提取心电信号的特点和诊断心律失常的疾病。比较的结果ResNet34模型和ResNet-18模型在相同的测试数据集,我们可以看到,本文改进的模型有更好的分类和识别影响心电图信号作为一个整体,它可以更有效地识别房颤疾病。SN - 1687 - 9120 UR - https://doi.org/10.1155/2021/5862017 - 10.1155 / 2021/5862017摩根富林明数学物理的进步PB - Hindawi KW - ER