基于自適應(yīng)卷積的心電圖心律分類方法

打開文本圖片集

摘要：針對網(wǎng)絡(luò)輕量化后，模型復(fù)雜度降低帶來的檢測性能不足等問題，提出一種基于自適應(yīng)卷積的心電圖（ECG）心律分類方法。首先，采用輕量級的卷積神經(jīng)網(wǎng)絡(luò)模型框架構(gòu)建雙分支結(jié)構(gòu)，主分支提取ECG的波形特征，子分支提取ECG樣本與正常心律的差異信息；然后，通過自適應(yīng)卷積的方法，將ECG樣本與正常心律的差異信息融入到主分支中，提高模型的檢測性能；最后，在公開的數(shù)據(jù)集上進行實驗，F(xiàn)1分數(shù)、準確率、召回率分別為93.58%、95.53%和91.70%，相較于未加入ECG樣本與正常心律的差異信息的網(wǎng)絡(luò)有明顯提升，驗證了該方法的有效性。（剩余9712字）