论文部分内容阅读
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5min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