基于稀疏降噪自动编码机的心律失常自动分类

心律失常是导致心肌缺血、心衰和心脏性猝死等疾病的主要因素之一,对心律失常进行准确高效的检测和分类具有重要的研究价值。本文提出了一种基于堆叠稀疏降噪自动编码机构建深度神经网络的心电信号特征检测算法,从而实现了心律失常的自动分类。分类系统利用稀疏降噪自动编码机获取心电信号的低维深度结构特征,其无监督学习方式使得特征具有更好的区分度和一定的抗干扰能力,然后将特征输入Softmax分类器进行信号分类。采用美国麻省理工MIT-BIH心律失常数据库对所提方法进行验证,总分类精度可达99.43%,实验结果表明该方法具有对心律失常自动分类的有效性。

基于混沌特性和BP神经网络的室性早搏的自动诊断

心电信号是诊断心血管疾病的重要依据.通过心电信号的混沌特性分析和Lyapunov指数导数的相关计算,准确提取了室性早搏(premature ventricular contraction,PVC)的特征,进而,通过BP神经网络的训练,完成了室性早搏心拍在心电信号数据序列中的正确识别,实现了室性早搏的自动诊断.利用MIT-BIH心律不齐数据库中的数据对算法的可行性进行了验证,结果表明该算法有良好的稳定性和较高的准确率,能很好地完成室性早搏的快速诊断.