基于U-net-BiLSTM-CRF的心律失常多目标检测

来源：计算机应用与软件杂志2024年第4期北京时间：

作者：王雨轩, 朱俊江, 黄浩, 濮玉

摘要：由于卷积滤波尺寸等限制, U-net无法学习到心电(Electrocardiographic, ECG)信号的长时序关联性以及标签间的相关性。对此提出一种基于U-net-BiLSTM-CRF的心律失常多目标检测方法, 可同时输出目标心拍所属类型和位置信息。使用U-net学习融合特征, 再将其输入到双向长短时记忆网络(Bi-directional Long Short-Term Memory, BiLSTM)中学习长时序依赖特征, 最后使用条件随机场(Conditional Random Field, CRF)对标签间的关系建模, 优化分类结果。依据ANSI/AAMI EC57:2012的心搏分类标准, 对MIT-BIH心律失常数据库中共85 609个心拍记录进行划分, 在划分后数据集上的实验结果表明, 该方法对心拍分类的准确率达99.11%, 特异性为99.76%, 灵敏度为97.21%, 优于传统U-net在MIT-BIH心律失常数据库上的分类性能。

关键词：心律失常检测, U-net, 双向长短时记忆网络, 条件随机场