计算机应用

作者：杨朔, 蒲宝明, 李相泽, 王帅, 常战国

单位：1. 中国科学院大学 计算机与控制工程学院, 北京 100049;2. 中国科学院 沈阳计算技术研究所, 沈阳 110168;3. 东北大学 计算机科学与工程学院, 沈阳 110819

关键词：心律失常,心电,长短时记忆神经网络,时序数据,支持向量机

针对传统基于形态特征的心电检测算法存在特征提取不准确和高复杂性等问题，提出了一种多层的长短时记忆（LSTM）神经网络结构。结合传统LSTM模型在时序数据处理上的优势，该模型增加了反向和深度计算，避免了人工提取波形特征，提高了网络的学习能力。通过给定心拍序列和分类标签进行监督学习，然后实现对未知心拍的心律失常检测。通过对MIT-BIH数据库中的心律失常数据集进行实验验证，模型的总体准确率为98.34%。相比支持向量机（SVM），该模型的准确率和F1值均有提高。

来源：2019年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第3期