• 1. 浙江理工大学 信息学院(杭州 310018);
  • 2. 浙江大学 医学院附属第二医院(杭州 310019);
导出 下载 收藏 扫码 引用

近年来,深度神经网络(DNNs)已广泛应用于心电图(ECG)信号分类领域,但是以往的模型从原始 ECG 数据中提取特征信息受限。因此,本文提出了一种基于金字塔型卷积层的深度残差网络(PC-DRN)算法,该算法中包含的金字塔型卷积(PC)层可以从原始 ECG 数据中同时提取多尺度特征,并采用深度残差网络训练 ECG 信号分类模型,可以实现对 ECG 信号的分类。本文使用 2017 心脏病学挑战赛(CinC2017)提供的公开数据集,验证本文提出方法对 4 类 ECG 数据的分类效果。本文选取精度和召回率之间的谐波均值 F1 作为主要评价方法。实验结果表明,PC-DRN 的平均序列级别 F1SeqF1)从 0.857 提升到了 0.920,平均集合级别 F1SetF1)从 0.876 提升到了 0.925。因此,本文提出的 PC-DRN 算法为 ECG 信号的特征提取和分类提供了一种新方法,为心律失常的分类诊断提供了有效的手段。