基于DenseNet的心电数据自动诊断算法
赖杰伟1
陈韵岱2
韩宝石2
季磊2
石亚君2
黄志聪3
阳维1
冯前进1
1.南方医科大学生物医学工程学院,广东 广州 510515;广东省医学图像处理重点实验室,广东 广州 5105152.中国人民解放军总医院心血管内科,北京,1008533.心韵恒安医疗科技(北京)有限公司,北京,100094
摘要：目的 使用卷积网络训练多导联心电图数据,并将新的心电数据准确地分类,为医生提供可靠的辅助诊断信息.方法 先用带通滤波器对数据进行预处理,使用信号分帧的方式调整不同长度的数据处于同样的大小,便于网络的训练测试;同时采用增加样本的方法扩充数据整体,增加异常样本的检出率;针对不同导联的差异性使用深度可分离卷积更有针对性地提取不同通道的特征.使用基于DenseNet的分类模型对多个标签分别训练二分类器,完成多标签分类任务.结果 对数据的正异常识别准确率可以达到80.13％,灵敏度,特异度和F1分别为80.38％,79.91％和79.35％.结论 本文提出的模型能快速并有效地对心电数据进行预测,在GPU上单个数据的运行时间约在33.59 ms,实时预测结果能满足应用需求.
关键词：心电预处理信号分帧深度可分离卷积密集连接型卷积网络
资助基金：国家重点研发计划(2018YFC2001203)国家自然科学基金(U1501256)广东省应用型科技研发专项(2015B010131011)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 69-75 )
英文信息