面向临床心电图分析的深层学习算法

作     者：金林鹏 董军 JIN LinPeng;DONG Jun

作者机构：中国科学院苏州纳米技术与纳米仿生研究所苏州215123 中国科学院大学北京100049 

出 版 物：《中国科学：信息科学》 (Scientia Sinica(Informationis))

年 卷 期：2015年第45卷第3期

页      面：398-416页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主　　题：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 

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.