基于心拍的端到端心律失常分类
邓力
傅蓉
1.南方医科大学生物医学工程学院,广东 广州,5105152.南方医科大学生物医学工程学院,广东 广州,510515
摘要：目的 提出一种端到端的心律失常分类方法,以提高计算机对室上性异位心搏(SVEB)和室性异位心搏(VEB)的分类性能.方法 首先对心电信号进行心拍分割、校正等预处理;然后通过卷积神经网络构建心律失常分类网络,最后结合新的损失函数训练分类器模型.结果 利用MIT-BIH心律失常数据集验证本文分类方法的性能,其中在SVEB和VEB上的AUC分别达到了0.77和0.98.在引入前5 min片段作为局部数据的情况下,SVEB和VEB的灵敏度分别达到了78.28％和98.88％;而在引入0、50、100、150个样本作为局部数据时,SVEB和VEB的灵敏度最高分别达到82.25％和93.23％.结论 本文提出的方法与现有的方法相比,有效改善了样本类别不平衡带来的消极影响,SVEB和VEB灵敏度均有一定程度的提升,为心律失常的自动分类提供了新的技术方案.
关键词：心律失常分类深度学习卷积神经网络
资助基金：广东省科技计划(2013B040401008)
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( 1071-1077 )
英文信息