基于卷积神经网络的ECG心律失常分类研究

基于心电信号进行心律失常自动检测和分类识别研究,辅助临床医生进行心血管相关疾病诊断。采用MIT-BIH数据库作为数据源,对该数据库心电数据进行小波分解与重构去噪后,构建卷积神经网络模型,结合Adam优化器,并优化丢弃值、训练步数和批大小三个超参数来优化模型,使用准确率、灵敏性和正预测率三个指标评价模型性能。实验结果表明,模型实现心律失常五分类的整体准确率大于99%,与现有模型性能相比,准确率提升1.2%。