基于CNN和BiGRU-Attention模型的心律异常判别研究  

作　　者：丁娜娜 张龙波[1] 吴志勇 

机构地区：[1]山东理工大学(淄博)计算机科学与技术学院,山东255049

出　　处：《网络安全技术与应用》2021年第2期43-46,共4页Network Security Technology & Application

摘　　要：心脏病是导致人类死亡的主因,多数心血管疾病发生时,常伴有心律失常现象的出现。为实现心律失常的自动判别,研究并提出一种卷积神经网络(Convolutional Neural Network,CNN)和基于注意力机制(Attention)的双向门控循环单元神经网络(Bidirectional Gated Recurrent Unit Neural Network,BiGRU)结合的心律异常判别方法。该方法首先采用1维CNN自动提取心电信号特征;其次将CNN提取出的特征输入到BiGRU-Attention网络中进行学习;最后,使用softmax函数进行分类。实验结果表明,该方法的总体准确率为99.53%,N、S、V和F四类心跳的灵敏度分别为99.80%、96.35%、98.23%,92.01%,阳性预测值分别为99.74%、96.87%、99.24%、90.37%,证明该方法具有良好的性能。

关 键 词：心电信号 心律失常 卷积神经网络 注意力机制 BiGRU-Attention网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TN911.7[自动化与计算机技术—控制科学与工程] R541.7[电子电信—通信与信息系统]