《基于深度学习的心电信号异常识别方法》PDF+DOC

针对心电信号的异常识别问题，提出了一个基于深度学习的改进型Cifar网络模型，可以自动提取心电特征，并将提取的特征馈送到Logistic分类器中进行分类。运用缩放变换获得图像的多分辨率表达，该表达符合心电图时序特点，克服了因数据量较少造成的网络过拟合问题。利用心电传感器采集志愿者心电信号，并结合正常窦性心律数据库(NSRDB)和突发心脏病死亡数据库(SDDB)建立训练测试集，用于验证方法的有效性。在对正异常心电信号的分类实验中，改进型Cifar网络模型可达到92%的准确率，灵敏度达到了94%，曲线下面积(AUC)值为0. 969，优于传统的尺度不变特征变换(SIFT)+支持向量机(SVM)算法和反向传播(BP)算法，取得了较好的辅助诊断效果。

提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。