基于注意力机制的堆叠 LSTM 心电预测算法

来源：计算机技术与发展杂志2023年第01期北京时间：

作者：谭庆康;潘沛生

摘要：心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少。 而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法。 首先,对原始数据进行小波变换处理,经过预处理后的数据能够更好地从中提取特征进行学习。 将处理后的信号输入训练模型,在训练过程中采用两个 LSTM 网络结构,构成一种堆叠的循环神经网络模型。 输出的信号再通过注意力机制,加强重点关注区域后经由全连接层输出结果。 模型采用预测准确率作为衡量模型性能的指标,并在 MIT-BIH 数据集上进行了测试。 经过实验数据的对比,该模型在此数据集上最终预测准确率为 97. 7% ,与传统堆叠 LSTM 网络相比,提升了 1. 3 百分点;与加入注意力机制的单层 LSTM 网络相比,提升了 0. 9 百分点。 结果表明,该模型有效地提高了预测的准确率,充分证明了其优越性。

关键词：堆叠式 LSTM 网络;注意力机制;心律失常;心电预测;深度学习