基于位置注意力机制的混合神经网络心电信号分类算法
A Hybrid Neural Network Electrocardiogram Signal Classification Algorithm Based on Location Attention Mechanisms作者机构:西安电子科技大学数学与统计学院西安710126
出 版 物:《中国生物医学工程学报》 (Chinese Journal of Biomedical Engineering)
年 卷 期:2024年第43卷第3期
页 面:295-305页
核心收录:
学科分类:0831[工学-生物医学工程(可授工学、理学、医学学位)] 08[工学] 0836[工学-生物工程]
基 金:国家自然科学基金(91338115) 高等学校学科创新引智基地“111”计划(B08038) 陕西省横向项目(HX 10202001030)
主 题:心电信号 类不平衡 深度卷积生成对抗网络 注意力机制 深度学习
摘 要:心电信号分类是医疗保健领域的重要研究内容。心电信号数据是类不平衡数据,不同类别的心律失常依赖于心电图的长期变化特征,局部变化特征及其相对位置。针对大多数方法不能较好地解决数据类不平衡,且未考虑特定波形重要性等问题,提出一种基于位置注意力机制的混合神经网络心电信号分类(DCLB)算法。首先,利用深度卷积生成对抗网络扩充数量少的类别样本,从而解决类不平衡问题;其次,利用二维卷积神经网络和双向长短期记忆网络进行特征提取,从而获得心电信号的局部变化特征和长期变化特征;然后,在每个二维卷积神经网络后嵌入位置注意力机制,从而提高关键位置特征的重要程度;最后,利用全连接网络输出分类结果。对MIT-BIH心律失常数据集中的30584个样本的实验结果表明,DCLB算法的平均准确率为98.79%,敏感性为94.21%,特异性为98.98%,阳性预测值为93.70%。该模型可以有效提取心电信号特征,适用于监测系统中心律失常疾病的诊断。