基于ResNet和Bi-LSTM模型融合的心电信号分类

目的为提升临床心电图的分类效果,提出一种融合深度残差网络(Res Nte)和双向长短时记忆循环神经网络(Bi-LSTM)的心电信号分类算法。方法利用Res Nte模型提取和整合心电信号波形特征的能力,在Res Nte模型基础上融合Bi-LSTM模型,提取信号序列上下文信息。通过数据增强技术增加样本数量,解决训练集存在类别不平衡问题,进一步提升模型分类性能。结果文中提出算法的F1(查准率和召回率的调和平均)在The 2017 Physio Nte/Cin CChallen ge数据集上达到0.8571,优于近几年文献提出的其他几种模型。同时将该模型用于医院实际临床数据(92245条记录),模型F1指标达到0.8852;对比传统人工特征方法和单纯残差网络该模型具有更好的性能,尤其对于心房颤动的识别提升明显。结论基于Res Nte和Bi-LSTM模型融合的算法能有效提取心电信号特征,且分类效果较好,具有实际应用意义。

基于H.265的低延迟优化策略研究

在有限的网络带宽下,传统的视频采集设备面临压缩率不足、帧率低、延迟高等技术瓶颈,这使得它们无法应用于超清图像的传输场景。因此,面对不断提升的视频质量,提高视频传输系统的编解码效率、降低传输延迟显得尤为重要。本文通过多种低延迟策略对视频传输系统整体延迟时间进行优化,测试结果表明:局域网内,在满足编码质量的前提下,对1080 P质量的视频进行传输,系统端到端的网络传输延迟时间为127 ms。与优化前的视频传输系统相比,优化后的视频传输系统总延迟时间减少了9.48%。

基于改进TZsearch的视频快速编码算法研究

随着网络多媒体技术的高速发展以及H.265/HEVC视频编解码标准的不断运用,如何高效地进行视频编码是值得关注的热点之一。针对高效编码视频序列的问题,基于H.265/HEVC帧间预测过程中的运动估计原理以及对视频图像最优点的概率统计,加入判断提前终止搜索条件,提出一种基于改进TZsearch的快速编码算法,有效降低了视频编码时间。通过对经典视频序列的编码验证和对比,改进TZsearch算法在满足编码质量的同时降低编码时间15.37%,更加准确、高效地实现了视频编码。