基于二维图像与迁移卷积神经网络的心律失常分类

作     者：陈敏 王娆芬 CHEN Min;WANG Raofen

作者机构：上海工程技术大学电子电气工程学院上海201620 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2020年第46卷第10期

页      面：315-320页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 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(71701124) 国家自然科学基金青年科学基金(61803255) 上海市自然科学基金(18ZR1416700) 

主　　题：心电信号 格拉姆角场 二维图像 迁移学习 迁移卷积神经网络 

摘      要：心律失常的自动分类对心血管疾病的诊断和预防具有重要意义。传统分类方法需要对心电信号进行人工特征提取,这对分类准确度有很大的影响。针对该问题,提出一种基于二维图像与迁移卷积神经网络(TCNN)的分类方法。通过对心电信号进行格拉姆角场变换将其转换为二维图像,在保证心电图像完整性的同时,保留原始信号的时间依赖性。在此基础上,结合迁移学习的思想,设计结构简单且参数量较少的TCNN模型对心电图像进行分类。实验结果表明,该方法网络训练用时较少,并且分类总准确率达到99.82%,可实现对心律失常的有效分类。