文献类型：期刊文章

作　　者：金林鹏[1,2] 董军[1]

机构地区：[1]中国科学院苏州纳米技术与纳米仿生研究所,苏州215123 [2]中国科学院大学,北京100049

出　　处：《中国科学：信息科学》

年　　份：2015

卷　　号：45

期　　号：3

起止页码：398-416

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、JST、RCCSE、ZGKJHX、核心刊

摘　　要：作为模式识别研究的典型应用,计算机辅助心电图分析在可穿戴终端及面向基层的"云"服务平台具有重要价值.本文首先说明了面向临床的心电图分类模型的复杂性,接着从非线性函数拟合能力角度分析了现有的特征提取算法和分类算法,并采用深层学习构造心电图分类模型.针对多导联心电图这种特殊的二维结构,提出导联卷积神经网络,并利用"平移起始点"和"加噪"增加训练样本数.通过15万多条记录的测试数据,取得了准确率为83.66%和AUC为0.9086的成绩.最后我们还移植分类模型到移动终端设备,其实时分析结果满足应用需求.

关 键 词：深层学习  心电图(ECG)  非线性拟合  卷积神经网络 数据分布与分类  

分 类 号：TP391.4]