基于GoogleNet-ViT模型的心律不齐多标签诊断算法

来源：计算机应用与软件杂志2025年第5期北京时间：

作者：黄浩, 朱俊江

摘要：心电图是诊断心律失常疾病的重要依据，利用计算机自动诊断心电图类型属于多标签分类问题。Vision Transformer (ViT) 模型在多标签分类上具有良好的表现。然而直接将其应用到心电图分类时，会破坏心电信号内部的形状特征，进而导致模型准确率较低。为此，提出一种基于GoogleNet-ViT模型心律不齐多标签分类算法。该算法使用预测的GoogleNet提取心电信号特征，然后采用Transformer Encoder构建特征全局关系，最后采用全连接层完成多标签分类。选用20 409例临床心电图数据进行测试，结果表明算法平均F1值达到7.0、862.3，平均准确率为97.68%，诊断标签完全正确的比例为83.14%，相比于ViT模型和其他常规CNN网络，该算法具有明显优势。

关键词：心电信号, 心律失常, 深度学习, Vision Transformer