多导联心电图识别的稳定步长ResNet深度网络

作     者：曹玉怡 覃华 卢才德 CAO Yuyi;QIN Hua;LU Caide

作者机构：广西大学计算机与电子信息学院广西南宁530004 广西大学医院广西南宁530004 

出 版 物：《广西大学学报（自然科学版）》 (Journal of Guangxi University（Natural Science Edition）)

年 卷 期：2024年第49卷第2期

页      面：374-385页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62266004) 

主　　题：多导联心电图 ResNet深度网络 动量优化算法 稳定步长 二阶梯度信息 

摘      要：针对经典的ResNet深度神经网络对一维多导联心电图图像进行识别、分类时,因原始图像的维度较高导致提取到的深度特征维度高,造成全连接层训练出现收敛速度慢和过拟合的问题,在ResNet的全连接层提出一种稳定步长动量训练算法,通过引入近似二阶梯度信息增强动量法的寻优能力和加速收敛速度;利用连续2次迭代的参数变化量和梯度信息自适应调整步长,构造边界函数对步长的大小进行限制,以防止步长过大或过小而影响收敛稳定性,使用动量项对参数的更新方向进行修正。在CPSC2018心电图数据集上的实验结果表明:所提算法训练的ResNet取得的F 1分数、准确率、精确度分别达到0.859、97.4%、87.9%,收敛速度和整体分类指标值优于其他相比较的方法。