-
题名基于注意力机制的堆叠LSTM心电预测算法
被引量:1
- 1
-
-
作者
谭庆康
潘沛生
-
机构
南京邮电大学通信与信息工程学院
-
出处
《计算机技术与发展》
2023年第1期62-67,共6页
-
基金
国家自然科学基金(61801240)。
-
文摘
心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少。而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法。首先,对原始数据进行小波变换处理,经过预处理后的数据能够更好地从中提取特征进行学习。将处理后的信号输入训练模型,在训练过程中采用两个LSTM网络结构,构成一种堆叠的循环神经网络模型。输出的信号再通过注意力机制,加强重点关注区域后经由全连接层输出结果。模型采用预测准确率作为衡量模型性能的指标,并在MIT-BIH数据集上进行了测试。经过实验数据的对比,该模型在此数据集上最终预测准确率为97.7%,与传统堆叠LSTM网络相比,提升了1.3百分点;与加入注意力机制的单层LSTM网络相比,提升了0.9百分点。结果表明,该模型有效地提高了预测的准确率,充分证明了其优越性。
-
关键词
堆叠式lstm网络
注意力机制
心律失常
心电预测
深度学习
-
Keywords
stacked lstm network
attention mechanism
arrhythmia
ECG prediction
deep learning
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
-
题名基于堆叠式双向LSTM的心电图自动识别算法
被引量:8
- 2
-
-
作者
王文刀
王润泽
魏鑫磊
漆云亮
马义德
-
机构
兰州大学信息科学与工程学院
-
出处
《计算机科学》
CSCD
北大核心
2020年第7期118-124,共7页
-
基金
国家自然科学基金(61175012,60872109,60572011)
甘肃省自然科学基金(18JR3RA288)
中央高校基本科研业务费专项资金(lzujbky-2017-it72)。
-
文摘
针对日趋增长的心电图数据分析需求,提出了一种新的心电图分类算法。首先对原始数据进行截断固定长度、样本均衡、求取信号的瞬时频率和光谱熵等预处理操作,数据经过预处理后模型能够更好地从其中提取特征进行学习;在训练过程中采用两个双向LSTM(BILSIM)网络堆叠组成的模型,堆叠式的双向LSTM(BILSIM)模型是一种改进的循环神经网络模型,相较于卷积神经网络,循环神经网络更加适合用来处理像心电图这样的序列数据。该模型在Windows下的MATLAB2018b上进行训练和测试,CUDA版本为9.0,采用分类准确率作为衡量模型性能的指标在两个数据集上进行了测试,一个是2017年生理信号挑战赛的数据(下文简称2017数据集),该模型在此数据集上最终分类准确率为97.4%;另一个是2018年生理信号挑战赛的数据(下文简称2018数据集),最终的分类准确率为77.6%,并在所属的MATLAB组获得了第三名的成绩。该算法与传统LSTM网络的结果相比,在2017数据集上提升了5.6%的准确率,在2018数据集上提升了7.6%的准确率;与单层的双向LSTM网络的结果相比,在2017数据集上提升了4.2%的准确率,在2018数据集上提升了5.7%的准确率,这充分验证了该算法的可行性和优势。
-
关键词
堆叠式双向lstm网络
心律失常
心电图分类
深度学习
-
Keywords
Stacked bidirectional lstm network
Arrhythmia
Electrocardiogram classification
Deep learning
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-