基于 SENet-BiLSTM 的心律失常识别

来源：计算机应用与软件杂志2025年第9期北京时间：

作者：罗靖, 杨冬, 陈云帆, 万相奎

摘要：针对深度学习技术在心律失常分类模型中存在识别精度低、泛化能力弱的问题，提出一种基于 SENet-BiLSTM 的心律失常识别方法。该方法避免了复杂的数据预处理，使用 SE-Block 通道注意力机制结合 6 层卷积神经网络作为特征提取器，并采用双向长短时记忆网络作为特征学习器，构造新型深度网络模型实现五类心律失常的分类识别。该文使用 MIT-BIH 心律失常数据库在患者间范式下进行测试，并与 CNN、BiLSTM 和 CNN-BiLSTM 进行患者间范式的对比分析，结果显示该方法整体分类精度达到 97.25%，模型具有较好的泛化能力。

关键词：心电信号, 心律失常分类, 通道注意力机制, 双向长短时记忆网络, 患者间范式