注意机制深度学习模型在心律失常分类技术中的应用  

作　　者：柯旭能 江跃龙 孟思明 汪雅雯 麦佩玲 

机构地区：[1]广州铁路职业技术学院,广东广州510000

出　　处：《物联网技术》2025年第8期122-125,共4页Internet of things technologies

基　　金：2022年度广州市高等教育教学质量与教学改革工程计算机应用技术专业群“双师型”教师培养培训基地(2022SSPRJD004);2022年大学生科技实践与人工智能技术应用创新工作室、2023年广州市高校课程思政示范课程项目《人工智能导论》(2023KCSZ045);广东省普通高校创新团队项目(自然科学)(2021KCXTD068);2024年广东省科技创新战略专项资金(大学生科技创新培育项目)(pdjh2024b629)。

摘　　要：心律失常作为心脏电活动异常的表现,其重要性不容忽视。为了确保心律失常的准确诊断和及时治疗,避免患者因心跳异常而面临生命威胁,提出了一种基于深度学习的心律失常分类检测系统方法。该方法基于MITBIH数据集,结合多种深度学习模型,以一维原始信号为主要输入维度进行心律失常分类检测研究。实验结果表明,深度学习在心律失常检测中表现出较高的准确性和鲁棒性,尤其在一维原始信号分类方面效果显著。因此,优先采用基于一维原始信号的深度学习算法,有助于推动自动化心律失常检测系统的开发与应用,从而提升诊断效率和医疗服务质量。

关 键 词：深度学习 ECG 心律失常 一维原始信号 分类检测 MIT-BIH 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]