-
题名基于自适应图卷积网络的心电图多标签分类模型
被引量:1
- 1
-
-
作者
贺煜航
刘棪
陈刚
-
机构
武汉大学空天信息安全与可信计算教育部重点实验室
武汉大学国家网络安全学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第12期261-269,共9页
-
基金
国家自然科学基金(U1936107)。
-
文摘
心电图分析是一种被广泛应用的心脏疾病诊断方法。传统的心电图分析严重依赖医生个人水平,容易出现误诊、漏诊现象,效率较低,且不能有效利用高频信号提供的有价值信息。基于卷积神经网络(CNN)的心电图自动分类方法在一定程度上提高了诊断效率,但依然存在对高频信息利用不充分的问题,且单一的卷积神经网络由于受感受野的限制和权重共享的影响,导致无法充分利用全局信息,分类准确率有待提高。提出一种基于注意力机制与图卷积网络的心电图多标签分类模型MLECG-AGCN,通过设计基于注意力机制的CNN网络,提高网络对高频信号的利用率。引入图卷积网络,以有效利用全局信息和特征空间邻域样本信息,从而协助样本进行分类,提高分类结果的准确率。基于注意力机制的CNN网络通过高通滤波器突出原始信号的高频位置,生成注意力图,并将注意力图嵌入到原始信号中,增强网络关注高频信号的能力。在PTB-XL数据集上的实验结果表明,基于注意力机制的CNN网络与自适应图卷积网络的结合有效提高了心电图分类精度,与Multi-ECGNet、ResNet18、ResNet101等模型相比,MLECG-AGCN模型取得了较高的AUROC值,为0.943639。
-
关键词
心电图
图卷积网络
残差神经网络
注意力机制
多标签分类
ptb-xl数据集
-
Keywords
Electrocardiogram(ECG)
Graph Convolutional Network(GCN)
Residual Neural Network(ResNet)
attention mechanism
multi-label classification
ptb-xl dateset
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-