基于改进ReviewKD的心电图分类模型研究

针对边缘计算环境中心电图分类模型精度难以进一步提升的问题,本文提出一种基于改进ReviewKD的心电图分类模型。首先在ReviewKD的注意力融合结构中引入反卷积层和GAM注意力机制,使学生模型具备更强的学习能力和全局特征提取能力;然后在损失函数中加入非目标类归一化损失函数,增强学生模型的抗噪声能力。在MIT-BIH数据集上进行实验,结果表明,改进ReviewKD的学生模型分类性能佳,适合用作边缘计算环境的心电图分类模型。