【摘 要】
：
近年来,随着计算机技术和深度学习理论的发展,深度学习算法在心律失常分类中已初步崭露头角,但是大多集中于二分类或多分类。针对本文标签均为异常的心电数据来说,由于一个人可能会携带一种或多种标签,且部分标签出现频率极低,目前的算法会存在诊断类别不全、预测准确率较低等问题,因此本文基于多头自注意力机制,提出了一种心律失常分类深度学习模型,主要研究内容如下:（1）心电数据在采集过程中极易受到噪声的影响,进而
论文部分内容阅读
近年来,随着计算机技术和深度学习理论的发展,深度学习算法在心律失常分类中已初步崭露头角,但是大多集中于二分类或多分类。针对本文标签均为异常的心电数据来说,由于一个人可能会携带一种或多种标签,且部分标签出现频率极低,目前的算法会存在诊断类别不全、预测准确率较低等问题,因此本文基于多头自注意力机制,提出了一种心律失常分类深度学习模型,主要研究内容如下:（1）心电数据在采集过程中极易受到噪声的影响,进而会对深度学习提取抽象特征造成一定干扰,因此采取小波阈值降噪算法对心电数据进行降噪;接着提取心电数据传统医学特征,并采用LightGBM机器学习算法对特征进行筛选,为深度学习模型提供全局信息。（2）本文心电数据集存在标签样本量分布极度不均衡的问题,提出了一种标签逐步筛选算法,证实了样本量极度缺乏、精确率极低的尾部标签不参与训练模型性能反而会有所提升。（3）针对样本分布不均的长时间序列心电数据,创新性地设计出了一种以ResNet34为基本结构,且融合了心电传统医学特征的多头自注意力机制深度学习模型,并采用标签筛选算法对模型进行优化,使得模型在不同分布的样本上关注于与其更相关的抽象心电语义特征,增强了更加准确的标签对模型的贡献度,最终证实了模型分类精度的不断提高,较Res Net34模型有了明显的提升,初步实现了不均衡数据集上心律失常的多标签分类。
其他文献
当前的大规模存储系统广泛使用纠删码技术,它以条带的形式存储数据实现容错,使得在满足相同容错的情况下,比副本容错技术拥有更低的存储成本。为进一步降低存储成本,学术界和工业界开始研发“大条带纠删码（Wide-Stripe Erasure Coding）”技术,通过增加大条带的长度来压缩校验块在每个条带中的比例,从而节省更多存储成本。然而,大条带纠删码由于条带过长而导致校验块的编码计算量大、编码效率低,
硬盘的可靠性很大程度上决定了存储系统的可靠性,如何在硬盘发生故障前进行预警成为研究热点。硬盘一般通过自我监测、分析和报告技术（Self-Monitoring Analysis and Reporting Technology,S.M.A.R.T.）系统采集每天的运行数据,根据监测属性值的变化进行预警,但该方法预测硬盘故障的成功率较低。目前主流研究方法将硬盘故障预警问题看作是时序数据分类或预测问题,
以通讯、导航、探测、计算机、雷达为代表的电子装备结构复杂,研制周期短,更新换代快,品种多批量小,可靠性要求高。在电子装备设计、制造、检测、运维的全生命周期各阶段,都需要具备对装备的加工、装配、使用、维修、保养和故障排除的能力,而直观、精准、可交互的产品技术手册是实现这一目标的关键所在。传统的技术手册存在制作效率低、可交互性差、不直观、查询检索困难低等问题,无法满足电子装备定制化、数字化、集成化的发
随着人工智能、物联网等技术不断的升级和应用普及,全球数据呈爆发式增长。大量的数据频繁在处理器和存储器之间交换和处理,这种信息存储单元和计算单元分离的计算架构,严重的制约了处理器的计算性能。忆阻器因其良好的非易失性存储和逻辑计算功能、高速、低功耗、可与CMOS工艺兼容等特点,成为最重要的存算一体化器件之一。然而忆阻器导电通路形状和通断部位的随机性导致器件的一致性较差,严重的限制其产业化应用。因此,导
长期以来,考试都是一种有效的学情评价手段,但在传统的手工阅卷和现代的网上阅卷过程中,存在教师阅卷工作量繁重,对学生的学情评价只能依赖教师手工进行等问题,为教师增添了额外的工作量。在“双减”的背景下,如何在切实减负的同时有效提升教学质量,对教师的教学工作提出了更高的要求,要求教师对学生的学习情况有更加精准的认知,从而展开针对性的教学,真正达到因材施教的目的。通过对考试及学情评价全过程的分析,结合人工
海量数据的爆发式增长,对存储设备的容量、性能和可靠性提出了新的要求。机械硬盘作为现代存储系统的重要存储设备,易发生机械故障导致数据损坏与丢失的事故。因此,高效监测磁盘状态并及时预警故障,有利于建立高可用的存储系统。现有研究建立的磁盘故障预测系统通常有磁盘生命周期量化简单、应用场景特殊或上线成本高的局限性,不适用于通用场景。当前基于深度学习（Deep Learning,DL）技术能智能精简地预测磁盘
目的:1.描述健康成人在中长跑运动前、运动中、运动后三个阶段的心率变异性（Heart rate variability,HRV）的变化特征。2.分析影响健康成人在中长跑运动中心率变异性（Heart rate variability,HRV）的因素。方法:1.2021年7月至10月招募同济医学院社区内的健康成人作为研究对象。对研究对象进行问卷调查、体格检查和8圈（3.2公里）中长跑测试,问卷调查包括
数据去重技术和差量压缩技术作为冗余数据消除的重要手段,已经受到越来越多的关注。数据去重可以消除存储系统中相同的数据块,而差量压缩则可以对存储系统中不相同但相似的数据块进行进一步冗余数据消除。然而,在数据去重系统上引入差量压缩技术虽然能够消除更多的冗余数据,但也导致了系统恢复性能的下降。在联合差量压缩的数据去重系统上,数据去重引入的重复块碎片和差量压缩引入的基本块碎片导致了对磁盘的额外访问,从而降低
机器人工程专业建设研究对满足相关产业未来人才需求、推动产业发展和经济进步、提升国家科技实力、解决科技“卡脖子”问题有着重要意义。基于专家研讨的专业建设方式虽在传统工科建设上取得了一定的成绩,但机器人工程专业作为一门新工科专业相较传统工科专业知识体系更为复杂、学科边界模糊,且机器人工程专业学科发展速度快、变化大。依靠传统的专家研讨的方式来进行专业建设难度大、耗时长,因此,本文以机器人工程专业为例提出
近年来,互联网迈入产业互联网阶段,远程医疗、远程驾驶和网络制造等远程控制类时延敏感业务得到广泛关注,这类业务对底层网络的共性需求包括有界带宽、时延、抖动和丢包率等确定性指标,现有基于业务服务质量（Quality of Service,Qo S）类别的资源预留机制受限于网际互连协议（Internet Protocol,IP）数据报网络“尽力而为”的传输特性,仅能部分保障业务带宽,难以满足时延抖动等上