基于CNN-LSTM 混合模型的心律失常自动检测

陶亮¹,刘宝宁¹,梁玮^2*

1.山东建筑大学信息与电气工程学院, 山东 济南 250101;2.齐鲁工业大学(山东省科学院)电气工程与自动化学院, 山东 济南 250353

出版日期:2021-06-20发布日期:2021-06-24

作者简介:陶亮(1981— ),男,山东济南人,博士,副教授,主要研究方向为医学大数据处理与机器学习,物联网技术. E-mail:taoliang@sdjzu.edu.cn. *通信作者简介:梁玮(1980— ),女,山东德州人,博士,讲师,主要研究方向为生命体征信号的智能检测与分析,医学大数据处理与机器学习. E-mail:dzhlw0918@qlu.edu.cn

Automatic detection research of arrhythmia based on CNN-LSTM hybrid model

TAO Liang¹, LIU Baoning¹, LIANG Wei^2*

1. School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, Shandong, China;
2. School of Electrical Engineering and Automation, Qilu University of Technology, Shandong Academy of Sciences, Jinan 250353, Shandong, China

Online:2021-06-20Published:2021-06-24

摘要/Abstract

摘要： 提出一种卷积神经网络(convolutional neural network, CNN)和长短时记忆(long short-term memory, LSTM)网络混合的心律失常自动检测算法,模型结构共由5层卷积层、5层池化层、1层LSTM层和1层全连接层组成。利用CNN能够自动提取特征和LSTM能够捕捉时间序列前后依赖关系的能力,将简单预处理后的心电信号数据直接输入到混合模型当中。整个模型将特征提取和分类器分类2个步骤结合,从而更加高效、准确地识别5种不同的心律失常疾病。在测试集上进行试验,准确率、敏感性和特异性分别为99.48%、99.47%和99.86%。试验结果表明,本研究提出的方法能够高效、准确地识别不同类型的心律失常疾病。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2035