一种基于一维卷积神经网络和S变换的心律失常分类方法

摘要

一种基于一维卷积神经网络和S变换的心律失常分类方法：对心电信号预处理；利用一维卷积神经网络提取心电信号的深度非线性特征；利用S变换提取心电信号的时频域特征；将心电信号的深度非线性特征和心电信号的时频域特征融合到一起，经过全连接层继续进行特征学习，得到全连接层输出特征；全连接层输出特征接到一维卷积神经网络的softmax层进行分类；输出分类结果。本发明不需要对心电信号进行压缩和双线性插值来得到固定像素点的图片形式来提取特征。本发明在特征提取方面结合了深度学习特征和时频域特征的优点组合成更完备的特征，能够加快收敛，控制过拟合，降低网络对初始化权重不敏感。提高了多种心律失常识别的准确率。