基于一维卷积神经网络的心电信号质量分类

研究一种基于单导联心电信号质量二分类方法。为了改善传统方法在进行心电信号质量分类下需要手动提取特征的复杂性以及选取规则包含主观性的缺点,基于Tensorflow框架设计了一个一维卷积神经网络,利用MIT-BIH和NSTDB数据库构建训练数据集,通过不断调整网络模型自动学习分类特征,使用2个公开测试集与1个私有测试集验证算法的泛化性,实验结果表明,提出的算法在3个测试集上的平均准确率为96.5%、灵敏性为98.1%和特异性为94.7%。最后,相比于基于传统SVM模型或CNN的方法,本文算法不仅精度较高,而且在未知的数据集上表现较好。研究证明,提出的方法不仅能够避免手动处理海量数据的弊端,而且能够以更客观、更高的准确度实现心电信号质量的分类。