期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于单片机的心电信号数据采集系统的设计
被引量:
2
1
作者
王志強
《技术与市场》
2021年第10期124-124,126,共2页
完整且准确地获取心电信号,能够为心血管等各类疾病的诊断与分析提供帮助。设计以单片机为基础的心电信号数据采集系统,通过对心电信号数据采集系统的总体结构、硬件设计与软件设计的研究,增加数据采集系统的推广应用。
关键词
单片机
心电信号数据
采集系统
设计
下载PDF
职称材料
基于Dropout深度卷积神经网络的ST段波形分类算法
被引量:
10
2
作者
任晓霞
《传感技术学报》
CAS
CSCD
北大核心
2018年第8期1217-1222,共6页
心电信号的ST段波形变化是心肌损伤等心血管类疾病临床诊断的重要辅助手段之一。针对ST段波形分类以及深度卷积神经网络过拟合问题,提出一种基于概率随机舍弃神经元建立子网络的Dropout深度卷积神经网络,通过心电信号数据去噪、ST段候...
心电信号的ST段波形变化是心肌损伤等心血管类疾病临床诊断的重要辅助手段之一。针对ST段波形分类以及深度卷积神经网络过拟合问题,提出一种基于概率随机舍弃神经元建立子网络的Dropout深度卷积神经网络,通过心电信号数据去噪、ST段候选段筛选、神经网络卷积与下采样运算过程,实现ST段波形样本训练与测试。仿真实验对比分析了算法的波形分类准确率、卷积核个数影响和Dropout对算法泛化能力影响,与专家手工标注、BP、RNN和DCNN等方法进行比较,实验结果表明Dropout DCNN能够有效提高卷积神经网络泛化能力,提升算法的可用性。
展开更多
关键词
心电信号数据
ST段波形分类
深度卷积神经网络
DROPOUT
泛化能力
下载PDF
职称材料
题名
基于单片机的心电信号数据采集系统的设计
被引量:
2
1
作者
王志強
机构
川北医学院
出处
《技术与市场》
2021年第10期124-124,126,共2页
文摘
完整且准确地获取心电信号,能够为心血管等各类疾病的诊断与分析提供帮助。设计以单片机为基础的心电信号数据采集系统,通过对心电信号数据采集系统的总体结构、硬件设计与软件设计的研究,增加数据采集系统的推广应用。
关键词
单片机
心电信号数据
采集系统
设计
分类号
TN911.7 [电子电信—通信与信息系统]
TP368.1 [自动化与计算机技术—计算机系统结构]
R-05 [医药卫生]
下载PDF
职称材料
题名
基于Dropout深度卷积神经网络的ST段波形分类算法
被引量:
10
2
作者
任晓霞
机构
张家口学院数学与信息科学学院
出处
《传感技术学报》
CAS
CSCD
北大核心
2018年第8期1217-1222,共6页
基金
江苏省政策引导类计划(产学研合作)-前瞻性联合研究项目(BY2016049-01)
文摘
心电信号的ST段波形变化是心肌损伤等心血管类疾病临床诊断的重要辅助手段之一。针对ST段波形分类以及深度卷积神经网络过拟合问题,提出一种基于概率随机舍弃神经元建立子网络的Dropout深度卷积神经网络,通过心电信号数据去噪、ST段候选段筛选、神经网络卷积与下采样运算过程,实现ST段波形样本训练与测试。仿真实验对比分析了算法的波形分类准确率、卷积核个数影响和Dropout对算法泛化能力影响,与专家手工标注、BP、RNN和DCNN等方法进行比较,实验结果表明Dropout DCNN能够有效提高卷积神经网络泛化能力,提升算法的可用性。
关键词
心电信号数据
ST段波形分类
深度卷积神经网络
DROPOUT
泛化能力
Keywords
ECG signal data
ST segment waveform classification
Deep convolutional neural network
Dropout
generalization ability
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于单片机的心电信号数据采集系统的设计
王志強
《技术与市场》
2021
2
下载PDF
职称材料
2
基于Dropout深度卷积神经网络的ST段波形分类算法
任晓霞
《传感技术学报》
CAS
CSCD
北大核心
2018
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部