文献类型：期刊文章

作　　者：熊鹏[1] 薛彦平[1] 刘明[1] 杜海曼[1] 王洪瑞[1] 刘秀玲[1]

XIONG Peng;XUE Yanping;LIU Ming;DU Haiman;WANG Hongrui;LIU Xiuling(Key Laboratory of Digital Medical Engineering of Hebei Province,College of Electronic and Information Engineering,Hebei University,Baoding,Hebei 071002,P.R.China)

机构地区：[1]河北大学电子信息工程学院河北省数字医疗工程重点实验室

出　　处：《生物医学工程学杂志》

基　　金：国家重点研发计划（2017YFB1401200）;国家自然科学基金资助项目（61673158,61703133）;河北省自然科学基金资助项目（F2017201222,F2018201070）;河北省百名优秀创新人才支持计划（SLRC2017022）;河北省研究生创新资助项目（CXZZSS2019006）

年　　份：2020

卷　　号：37

期　　号：1

起止页码：142-149

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、EI、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：下壁心肌梗死是一种病死率高的急性缺血性心脏病,易诱发恶性心律失常、心率衰竭、心源性休克等危及生命的并发症。因而,开展对下壁心肌梗死准确高效的早期诊断研究具有重要的临床价值。心电图是早期诊断下壁心肌梗死最敏感的手段。本文提出了一种基于密集连接卷积神经网络的下壁心肌梗死检测方法。该方法将Ⅱ、Ⅲ和aVF导联的原始心电信号串接数据作为模型的输入,利用卷积层的尺度不变性提取心电信号中具有鲁棒性的特征,并通过不同层间密集连接的方式加强了心电信号特征的传递,使得网络能够自动学习心电信号中鲁棒性强且辨识度高的有效特征,从而实现下壁心肌梗死的准确检测。本文还采用德国国家计量学研究所诊断公共心电数据库进行验证,本文模型的准确率、敏感性和特异性分别达到了99.95%、100%和99.90%。在含有噪声的情况下,模型的准确率、敏感性和特异性也均超过99%。基于本文研究结果,期望今后可在临床环境中引入本文方法,以帮助医生快速诊断下壁心肌梗死。

关 键 词：下壁心肌梗死 心电图 密集连接卷积神经网络  特征提取

分 类 号：R542.22] TP183]