类内类间距离在CNN识别心拍类中的应用研究

来源：计算机工程与应用杂志2019年第14期北京时间：

作者：原永朋1，2，游大涛1，武相军1，魏梦凡1，朱萌博1，耿旭东1，贾乃仁2

单位：1.河南大学 软件学院，河南 开封 475000；2.深圳瑞爱心安移动心电信息服务有限公司，广东 深圳 518101

摘要：心脏疾病严重威胁人类身体健康，心电图（Electrocardiogram，ECG）心拍分类对心脏疾病的临床诊断和自动诊断具有重要意义。现有基于深度学习生成的ECG心拍特征虽然优于基于传统方法生成的心拍特征，但是因ECG中各类间存在着严重的数据不平衡问题，致使现有基于深度学习方法生成的心拍特征的性能仍不甚理想。针对这一问题，以卷积神经网络（Convolutional Neural Network，CNN）为基础，在各类心拍等量数据基础上构建能有效表达各类心拍共性信息的共性CNN模型，以共性CNN模型和最小化类内距离最大化类间距离模型为基础，分别在各类心拍数据上构建能有效反映相应心拍类别倾向性信息的类别CNN模型，综合各心拍类别CNN模型的输出进行识别与分类。在MIT-BIH数据库上的实验结果显示，该方法识别分类心拍的各项指标均达到100%，解决了MIT-BIH数据库中ECG四类心拍自动识别分类的问题。

关键词：心电图（ECG）,心拍分类,卷积神经网络（CNN）,MIT-BIH数据库,共性卷积神经网络,个性卷积神经网络