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
基于希尔伯特黄变换和深度卷积神经网络的房颤检测
被引量:
1
1
作者
郭一楠
邵慧杰
+2 位作者
巩敦卫
李海泉
陈丽
《电子与信息学报》
EI
CSCD
北大核心
2022年第1期99-106,共8页
房颤是一种常见的心律失常,其发病率会随着年龄增长而升高。因此,从心电(ECG)信号中尽早识别出房颤,有助于降低中风风险和心源性死亡率。为有效提高其检测准确率,该文提出一种基于希尔伯特黄变换(HHT)和深度卷积神经网络的房颤检测方法...
房颤是一种常见的心律失常,其发病率会随着年龄增长而升高。因此,从心电(ECG)信号中尽早识别出房颤,有助于降低中风风险和心源性死亡率。为有效提高其检测准确率,该文提出一种基于希尔伯特黄变换(HHT)和深度卷积神经网络的房颤检测方法。1维的时域心电信号通过希尔伯特黄变换,转换为时频域信号,旨在通过时频分析,丰富原始信号的特征。进而,采用DenseNet深度卷积神经网络来处理精细的时频图,并在迭代过程中选出最佳检测模型。该方法获得的最佳检测模型在麻省理工学院-贝斯以色列医院(MIT-BIH)和2017年生理信号竞赛(2017 PhysioNet Challenge)的房颤数据集上分别取得了99.11%和97.25%的检测准确率。此外,该文将希尔伯特黄变换与其他时频分析方法以及稠密网络(DenseNet)与其他卷积神经网络进行了对比。相比于其他检测方法,实验结果表明希尔伯特黄变换和深度卷积神经网络(DCNN)为房颤检测提供了更加准确的识别方式。
展开更多
关键词
心电信号
房颤
希尔伯特黄变换
深度卷积神经网络
下载PDF
职称材料
融合多特征嵌入与注意力机制的中文电子病历命名实体识别
被引量:
10
2
作者
巩敦卫
张永凯
+3 位作者
郭一楠
王斌
樊宽鲁
火焱
《工程科学学报》
EI
CSCD
北大核心
2021年第9期1190-1196,共7页
中文电子病历文本包含大量嵌套实体、句子语法结构复杂、句式偏短.为有效识别其医疗实体,提出一种融合多特征嵌入与注意力机制的命名实体识别算法,在输入表示层融合字符、单词、字形三个粒度的特征,并在双向长短期记忆网络的隐含层引入...
中文电子病历文本包含大量嵌套实体、句子语法结构复杂、句式偏短.为有效识别其医疗实体,提出一种融合多特征嵌入与注意力机制的命名实体识别算法,在输入表示层融合字符、单词、字形三个粒度的特征,并在双向长短期记忆网络的隐含层引入注意力机制,使算法在捕获特征时更加关注于医疗实体相关的字符,最终实现对中文电子病历中疾病、身体部位、症状、药物、操作五类实体的最优标注.面向开源和自建糖尿病数据集的实验结果中所提算法的实体识别准确率、召回率和F1值都达到97%以上,表明其可以更加有效地识别中文电子病历中各类实体.
展开更多
关键词
中文
电子病历
命名实体识别
多特征嵌入
注意力机制
下载PDF
职称材料
题名
基于希尔伯特黄变换和深度卷积神经网络的房颤检测
被引量:
1
1
作者
郭一楠
邵慧杰
巩敦卫
李海泉
陈丽
机构
中国矿业大学人工智能研究院智慧医疗研究中心
中国矿业大学
信息与控制工程学院
徐州医科
大学
第二附属医院呼吸与危重医学科
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第1期99-106,共8页
基金
国家自然科学基金(61973305)
中国矿业大学中央高校基本科研业务费专项资金(2020ZDPY0302)。
文摘
房颤是一种常见的心律失常,其发病率会随着年龄增长而升高。因此,从心电(ECG)信号中尽早识别出房颤,有助于降低中风风险和心源性死亡率。为有效提高其检测准确率,该文提出一种基于希尔伯特黄变换(HHT)和深度卷积神经网络的房颤检测方法。1维的时域心电信号通过希尔伯特黄变换,转换为时频域信号,旨在通过时频分析,丰富原始信号的特征。进而,采用DenseNet深度卷积神经网络来处理精细的时频图,并在迭代过程中选出最佳检测模型。该方法获得的最佳检测模型在麻省理工学院-贝斯以色列医院(MIT-BIH)和2017年生理信号竞赛(2017 PhysioNet Challenge)的房颤数据集上分别取得了99.11%和97.25%的检测准确率。此外,该文将希尔伯特黄变换与其他时频分析方法以及稠密网络(DenseNet)与其他卷积神经网络进行了对比。相比于其他检测方法,实验结果表明希尔伯特黄变换和深度卷积神经网络(DCNN)为房颤检测提供了更加准确的识别方式。
关键词
心电信号
房颤
希尔伯特黄变换
深度卷积神经网络
Keywords
ElectroCardioGram(ECG)
Atrial fibrillation
Hilbert-Huang Transform(HHT)
Deep Convolutional Neural Network(DCNN)
分类号
R540.41 [医药卫生—心血管疾病]
TN911.7 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
融合多特征嵌入与注意力机制的中文电子病历命名实体识别
被引量:
10
2
作者
巩敦卫
张永凯
郭一楠
王斌
樊宽鲁
火焱
机构
中国矿业大学
信息与控制工程学院
中国矿业大学人工智能研究院智慧医疗研究中心
徐州医科
大学
第二附属医院内分泌科
中国矿业大学
附属医院内分泌科
出处
《工程科学学报》
EI
CSCD
北大核心
2021年第9期1190-1196,共7页
基金
国家自然科学基金资助项目(61973305,61773384)
中国矿业大学中央高校基本科研业务费专项资金资助项目(2020ZDPY0302)。
文摘
中文电子病历文本包含大量嵌套实体、句子语法结构复杂、句式偏短.为有效识别其医疗实体,提出一种融合多特征嵌入与注意力机制的命名实体识别算法,在输入表示层融合字符、单词、字形三个粒度的特征,并在双向长短期记忆网络的隐含层引入注意力机制,使算法在捕获特征时更加关注于医疗实体相关的字符,最终实现对中文电子病历中疾病、身体部位、症状、药物、操作五类实体的最优标注.面向开源和自建糖尿病数据集的实验结果中所提算法的实体识别准确率、召回率和F1值都达到97%以上,表明其可以更加有效地识别中文电子病历中各类实体.
关键词
中文
电子病历
命名实体识别
多特征嵌入
注意力机制
Keywords
Chinese
electronic medical records
named entity recognition
multifeature embedding
attention mechanism
分类号
TP391.1 [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
基于希尔伯特黄变换和深度卷积神经网络的房颤检测
郭一楠
邵慧杰
巩敦卫
李海泉
陈丽
《电子与信息学报》
EI
CSCD
北大核心
2022
1
下载PDF
职称材料
2
融合多特征嵌入与注意力机制的中文电子病历命名实体识别
巩敦卫
张永凯
郭一楠
王斌
樊宽鲁
火焱
《工程科学学报》
EI
CSCD
北大核心
2021
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