检索结果-南通市图书馆

计算机工程与应用 2024年

作者：喻云虎杨湘陈艳红国家新闻出版署富媒体数字出版内容组织与知识服务重点实验室武汉亚洲心脏病医院心血管内科武汉科技大学计算机科学与技术学院

心律失常对患者健康造成严重威胁，其通过12导联心电图（Electrocardiogram，ECG）的自动分类在临床上具有重要意义。现有研究偏重两两导联之间的相关性，忽视多导联上下文及频域特征，这导致了分析的局限性，且易受噪声干扰，影响分类... 详细信息

心律失常对患者健康造成严重威胁，其通过12导联心电图（Electrocardiogram，ECG）的自动分类在临床上具有重要意义。现有研究偏重两两导联之间的相关性，忽视多导联上下文及频域特征，这导致了分析的局限性，且易受噪声干扰，影响分类准确性。本研究提出了嵌入导联上下文编码的图卷积神经网络心律失常分类模型（Lead Context Encoding Embedded Graph Convolutional Neural Network Model for Arrhythmia Classification， LCEE-GCN）。首先，该模型利用短时傅里叶变换获取12导联心电信号的功率谱密度（Power Spectral Density，PSD），并运用ECG信号处理算法提取R-R间期等时域特征，然后通过导联上下文编码获得导联间更广泛的相关性信息，并结合PSD与时域特征构建动态图结构，最后利用图卷积神经网络增强模型对导联间关系的学习与表示能力。在查普曼数据集上进行的实验表明，模型达到了99.38%的准确率，超过了现有先进方法。这一创新有望提高心律失常诊断的效率和准确性。

关键词：心律失常分类 12导联心电图图卷积神经网络功率谱密度导联上下文编码

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：