基于卷积神经网络的心律失常识别

摘要

心电图是检测心律失常的重要工具。传统心电信号分类方法有着复杂的特征提取任务,无形中会增加计算量。为避免复杂的特征提取任务并且提高心律失常的识别率,提出一种由四层卷积层、三层池化层以及两层全连接层构成的卷积神经网络模型。经过训练和测试,基于卷积神经网络的心律失常识别的总识别率达到99.49%,正常搏动N、左束支传导阻滞L、右束支传导阻滞R、室性早搏V、起搏心跳/、未分类心跳Q以及心室颤振波!的识别率分别达到99.82%、99.34%、99.22%、96.96%、99.55%、100.00%、87.80%。相比于SVM分类器,基于卷积神经网络无论是总识别率还是各项心律失常识别率均有所提高,更有助于医生做出正确的诊断。