TY -的A2 -陈,钱教授Yu盟——王盟-李,Runchuan盟——王、徐盟——沈,山东省盟——周,Bing AU - Wang Zongmin PY - 2021 DA - 2021/05/04 TI -多尺度残余网络基于通道空间注意机制Multilabel心电图分类SP - 6630643六世- 2021 AB - ECG自动分类是非常重要的早期预防和辅助诊断心血管疾病的患者。近年来,许多研究基于心电图取得了良好的效果,其中大部分是基于单标牌问题;一条记录对应一个标签。然而,在实际临床应用中,一个心电图记录可能包含多种疾病在同一时间。因此,它是非常重要的研究multilabel心电图分类。摘要多尺度残余深层神经网络CSA-MResNet模型提出了基于通道空间注意机制。首先,剩余网络是集成到一个多尺度的方式获取心电数据的特征在不同尺度,然后增加通道空间注意机制更好地专注于更重要的渠道,更重要的是心电图数据碎片。最后,模型用于multilabel在大型数据库进行分类。实验结果在multilabel CCDD CSA-MResNet模型表明,平均F1得分的88.2%执行当9 ecg的multilabel分类。与基准模型相比,F1得分的CSA-MResNet multilabel心电图分类增加了1.7%。 And, in the model verification on another database HF-challenge, the final average F1 score is 85.8%. Compared with the state-of-the-art methods, CSA-MResNet can help cardiologists perform early-stage rapid screening of ECG and has a certain generalization performance, providing a feasible analysis method for multilabel ECG classification. SN - 2040-2295 UR - https://doi.org/10.1155/2021/6630643 DO - 10.1155/2021/6630643 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -