基于深度学习的ECG心拍数据分类设计

作     者：张俊飞 毕志升 王静 吴小玲 ZHANG Junfei;WANG Jing;BI Zhisheng;WU Xiaoling

作者机构：广州医科大学生物工程系 

基　　金：国家自然科学基金青年科学基金项目“高维多目标进化算法的研究与应用”(No.61603106) 2018年广州市高校创新创业教育项目“云空间学习共同体支持下的翻转课堂设计与实践”(No.201709k56) 2017年广州市教育局市属高校教育教学改革项目“互联网+教学质量评估与监控教学形态建设研究”(No.2017A05) 

出 版 物：《自动化与仪器仪表》 (Automation & Instrumentation)

年 卷 期：2019年第12期

页      码：71-75页

摘      要：心脏疾病是威胁人类健康的最大病因,ECG信号的复杂性使得人工检测需要大量时间且容易误诊,因此基于心电图心拍数据实现计算机辅助ECG判断具有重要意义。提出基于QRS波群的心拍特征提取方法,以Pan-Tompkins算法实现QRS波群定位,设计心拍截取规则;构建一维卷积神经网络(CNN)模型,实现ECG四类心拍数据(正常搏动、左束支传导阻滞、右束支传导阻滞、室性早搏)的自动分类检测。为验证提出心拍截取方法的有效性,以MIT-BIH心率失常数据库45条数据进行验证,结果显示其灵敏度为99.1%、特异性为99.4%。采用截取的四类心拍数据验证一维CNN自动ECG分类检测模型的可用性,结果显示模型总体分类准确率为98.95%。

主 题 词：ECG CNN Pan-Tompkins算法 MIT-HIB 

学科分类：08[工学] 081101[081101] 0811[工学-水利类] 081102[081102] 

D　O　I：10.14016/j.cnki.1001-9227.2019.12.071

馆 藏 号：203872418...