-
题名基于心电长时RR间期序列的心房颤动检测
被引量：1
- 1
-
-
作者
方东申
叶琪瑶
石少波
刘涛
李立
-
机构
武汉大学电子信息学院
武汉大学人民医院
-
出处
《中国医学物理学杂志》
CSCD
2023年第8期1009-1015,共7页
-
基金
国家自然科学基金(81800447)。
-
文摘
为解决当前深度学习模型进行心房颤动检测泛化能力差的问题,提出了一种基于长时RR间期的心房颤动检测算法。基于心电信号的一维时序特性以及心房颤动的特殊RR间期,设计了CNN与LSTM结合的深度学习模型,深度挖掘长时RR序列的时间与空间特征,使得它能够在未知数据集上取得良好的结果。使用MIT-BIH心房颤动数据集的全部可用样本划分训练、验证与盲法测试集(3名个体)。通过10倍交叉验证后在盲法测试集上的准确率为99.11%、敏感性为98.86%、特异性为99.47%、阳性预测率为99.62%、F1分数为99.24%。模型与现有方法进行了对比,证实所提模型用于心房颤动检测的可行性,能够有效识别出未知数据集的心房颤动病例,泛化能力强。
-
关键词
深度学习
心房颤动
心电信号
RR间期
卷积神经网络
长短时记忆网络
-
Keywords
deep learning
atrial fibrillation
electrocardiogram signal
RR interval
convolutional neural network
long shortterm memory network
-
分类号
R318
[医药卫生—生物医学工程]
-
-
题名钱塘江南源流域异常水质预测及影响因素分析
- 2
-
-
作者
张兰
叶琪瑶
李立
孙忠
-
机构
浙江省生态环境监测中心
武汉大学电子信息学院
-
出处
《中国环境监测》
CAS
CSCD
北大核心
2023年第S01期27-35,共9页
-
基金
国家自然科学基金资助项目(51879195)
浙江省生态环境科研和成果推广项目(2020HT0016)。
-
文摘
基于数据驱动的水质预测模型存在局限性,对突发水质异常事件的预测效果不佳。该研究选取钱塘江南源流域马戍口监测断面为研究对象,综合采用相关性分析方法对水质异常事件的主要影响因素进行分析,明确流域内、外因及土壤条件对水质异常指标的影响程度,探究造成模型局限性的深层原因。结果表明:异常水质的影响因素及其耦合机制复杂多变,异常浊度受降雨量、径流量的直接影响更大,异常高锰酸盐指数与温度、降雨量相关关系更明显,而总磷、总氮的异常变化与相对湿度、降雨量、径流量具有相关关系。研究结果对于提高气候变化背景下的水质预报能力具有重要的参考价值,可为自然流域水污染防治提供科学参考。
-
关键词
钱塘江南源流域
异常水质预测
影响因素
相关性分析
皮尔逊相关系数
-
Keywords
southern source of Qiantang River basin
prediction of abnormal water quality
influencing factors
correlation analysis
Pearson correlation coefficient
-
分类号
X824
[环境科学与工程—环境工程]
-
