一种用于心电图分类的改进神经网络算法

来源：计算机技术与发展杂志2023年第01期北京时间：

作者：尘昌华;乔风娟;李彬

单位：1. 上海开放大学奉贤分校,上海 201499;2. 齐鲁工业大学(山东省科学院) 数学与统计学院,山东 济南 250353

摘要：心血管疾病的死亡率在所有疾病中居于首位,心电图能够反映人体的电信号活动情况,它已成为医生用来诊断心血管疾病的重要依据。 随着计算机辅助 ECG 诊断技术的快速发展,深度学习方法已能够实现 ECG 信号的特征提取和分类。 为了较好地提高 ECG 信号的分类识别率和处理效率,该文提出了一种新的心电图分类方法。 首先,对原始数据进行去噪,提出了基于经验小波变换( EWT) 的提升小波阈值去噪方法。 然后,重构经过提升小波阈值去噪技术处理过的模态分量。 在训练过程中,设计了基于局部感受野的极限学习机( ELM-LRF)和双向长短时记忆网络( BLSTM) 结合的神经网络算法,并利用注意力机制优化该算法,提出了 LRF-BLSTM-Attention 模型。 最后,在 CCDD 和 MIT-BIH 数据集上对提出算法的性能进行验证,准确率分别达到 86. 12% 和 99. 87% ,证明了该算法在临床心血管疾病智能诊断中的实用性。 与其他模型相比,该模型的收敛速度更快,收敛的损失值更小。

关键词：极限学习机;局部感受野;双向长短时记忆网络;注意力机制;心电图