摘要：针对心电信号的异常识别问题,提出了一个基于深度学习的改进型Cifar网络模型,可以自动提取心电特征,并将提取的特征馈送到Logistic分类器中进行分类。运用缩放变换获得图像的多分辨率表达,该表达符合心电图时序特点,克服了因数据量较少造成的网络过拟合问题。利用心电传感器采集志愿者心电信号,并结合正常窦性心律数据库(NSRDB)和突发心脏病死亡数据库(SDDB)建立训练测试集,用于验证方法的有效性。在对正异常心电信号的分类实验中,改进型Cifar网络模型可达到92%的准确率,灵敏度达到了94%,曲线下面积(AUC)值为0.969,优于传统的尺度不变特征变换(SIFT)+支持向量机(SVM)算法和反向传播(BP)算法,取得了较好的辅助诊断效果。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社