【摘 要】
：
为更加准确地从动态心电中提取异常心拍,设计一种融合卷积神经网络(CNN)和多层双边长短时记忆网络(BiLSTM)的心律失常心拍分类模型。心电信号首先被分割成0.75s和4s两种不同
【机 构】
：
联想研究院,东南大学仪器科学与工程学院
【基金项目】
：
国家自然科学基金(81871444),江苏省杰出青年基金(BK20190014),江苏省重点研发计划项目(BE2017735)
论文部分内容阅读
为更加准确地从动态心电中提取异常心拍,设计一种融合卷积神经网络(CNN)和多层双边长短时记忆网络(BiLSTM)的心律失常心拍分类模型。心电信号首先被分割成0.75s和4s两种不同尺度大小的心拍信号,然后利用11层CNN网络和3层BiLSTM网络分别对小/大尺度心拍信号进行特征提取与合并,并使用3层全连接网络对合并特征进行降维,最后利用softmax函数实现分类。针对MIT心律失常数据库异常心拍类型分布不均衡的问题,采用添加随机运动噪声和基线漂移噪声的样本扩展方法,降低模型的过拟合。采用基于患者的5折交叉
其他文献
建筑隔震设计是建筑设计的重要内容。建筑物的隔震性能是衡量其安全性能的重要指标。本文主要分析介绍了建筑隔震设计的重要内容,并简要阐述分析了建筑隔震设计在设计标准、
1故障现象我厂新投运某110／35／10kV变电站。在正常运行时，10kV两段电压互感器（PT）运行均正常。后发生了一起接地故障，造成10kVII段A相PT烧毁。经维修人员现场检查，认为可能是其质量
癫痫患者脑电信号的自动检测和发作诊断对临床治疗癫痫具有重要意义。针对训练数据有限及训练与测试数据分布不一致的难点,采用领域间联合知识迁移学习方法,实现小训练数据量