針對心電信號T波分類問題和深度卷積神經網絡（deep convolutional neural networks,DCNN）出現(xiàn)的過擬合問題,提出了一種改進的深度神經網絡算法,通過引入Dropout概念優(yōu)化網絡訓練過程,提高算法的泛化能力。就分類準確率、訓練次數(shù)、卷積核、算法的泛化能力4個方面進行實驗對比,結果表明:在分類準確率方面,所提算法的標注結果與專家人工的標注結果接近,且標注重復率均可達98.9%以上;在訓練次數(shù)方面,可有效減少訓練次數(shù),且測試集識別率可達99.31%;選擇合適的卷積核個數(shù),最終的測試集識別率可達99.31%。所提算法與BP神經網絡、循環(huán)神經網絡（recurrent neural network, RNN）、DCNN這3種方法相比較,可有效降低DCNN的過擬合問題,提高算法的泛化能力。 

【文章來源】：中國科技論文. 2020,15(07)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

數(shù)據(jù)庫組成框圖

T波檢測方法流程

含有噪聲的原始心電信號

【參考文獻】：
期刊論文
[1]基于SWT和雙變量閾值函數(shù)的ECG信號去噪[J]. 湯偉,王玲利,稅宇陽,王帥.  計算機工程與設計. 2019(03)
[2]心電信號識別分類算法綜述[J]. 馬金偉,劉盛平.  重慶理工大學學報(自然科學). 2018(12)
[3]基于Dropout深度卷積神經網絡的ST段波形分類算法[J]. 任曉霞.  傳感技術學報. 2018(08)
[4]基于雙卷積神經網絡的行人精細化識別[J]. 王楓,劉青山.  中國科技論文. 2017(14)
[5]基于卷積神經網絡的T波形態(tài)分類[J]. 劉明,李國軍,郝華青,侯增廣,劉秀玲.  自動化學報. 2016(09)
[6]基于單心拍心房活動特征與卷積神經網絡的房顫檢測[J]. 劉明,韓小岑.  激光雜志. 2015(12)
[7]面向臨床心電圖分析的深層學習算法[J]. 金林鵬,董軍.  中國科學:信息科學. 2015(03)
[8]基于多層卷積神經網絡學習的單幀圖像超分辨率重建方法[J]. 劉娜,李翠華.  中國科技論文. 2015(02)
[9]心電信號多形態(tài)T波檢測方法研究[J]. 王云鶴,錢夢瑤,劉定宇,饒妮妮.  航天醫(yī)學與醫(yī)學工程. 2013(04)
[10]心電圖T波異常在冠心病診斷中的臨床價值[J]. 趙立朝,王晉麗,牛盧芳,郭艷,郜玲,趙成輝,文冬凌,王小鵬,石亞君.  中華保健醫(yī)學雜志. 2012(04)

碩士論文
[1]心電信號中T波交替的檢測方法研究[D]. 張世杰.武漢理工大學 2009



本文編號：3566304