期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于单心拍心房活动特征与卷积神经网络的房颤检测
被引量:
5
1
作者
刘明
韩小岑
《激光杂志》
北大核心
2015年第12期145-149,共5页
卷积神经网络已成为当前图像识别和语音分析领域的研究热点,并在图像分类等二维信号的问题处理中取得了良好效果。本文成功地将卷积神经网络用于解决一维心电信号的有关问题中。RR间期绝对不规则和P波消失,代之以连续不等的f波是发生房...
卷积神经网络已成为当前图像识别和语音分析领域的研究热点,并在图像分类等二维信号的问题处理中取得了良好效果。本文成功地将卷积神经网络用于解决一维心电信号的有关问题中。RR间期绝对不规则和P波消失,代之以连续不等的f波是发生房颤时的两个重要心电图表现。而RR间期不规则亦能体现在其他心律失常之中,同时P波或f波属微弱信号其特征点检测较为困难且形状特征难以把握。因此本文提出了一种基于单心拍心房活动特征与卷积神经网络房颤检测方法。首先把所有心电信号归一化处理为长度相等的单心拍,然后对所有心拍进行白化、求解每类心拍的稀疏系数、对所求稀疏系数进行池化处理,最后使用卷积神经网络进行心电信号分类达到房颤检测的目的实验结果表明该方法检测结果的正确率为95.91%,为检测房颤提供了很好的选择。
展开更多
关键词
卷积神经网络
RR间期
P波
心房活动特征
房颤检测
原文传递
题名
基于单心拍心房活动特征与卷积神经网络的房颤检测
被引量:
5
1
作者
刘明
韩小岑
机构
河北大学
电子信息
工程
学院
河北大学河北省电子信息工程学院数字化医学工程重点实验室
出处
《激光杂志》
北大核心
2015年第12期145-149,共5页
基金
河北省自然科学基金(F2015201112
F2015201196)
+1 种基金
河北省高等学校技术研究重点项目(ZD2015067)
保定市科学技术研究与发展计划项目(15ZG002)
文摘
卷积神经网络已成为当前图像识别和语音分析领域的研究热点,并在图像分类等二维信号的问题处理中取得了良好效果。本文成功地将卷积神经网络用于解决一维心电信号的有关问题中。RR间期绝对不规则和P波消失,代之以连续不等的f波是发生房颤时的两个重要心电图表现。而RR间期不规则亦能体现在其他心律失常之中,同时P波或f波属微弱信号其特征点检测较为困难且形状特征难以把握。因此本文提出了一种基于单心拍心房活动特征与卷积神经网络房颤检测方法。首先把所有心电信号归一化处理为长度相等的单心拍,然后对所有心拍进行白化、求解每类心拍的稀疏系数、对所求稀疏系数进行池化处理,最后使用卷积神经网络进行心电信号分类达到房颤检测的目的实验结果表明该方法检测结果的正确率为95.91%,为检测房颤提供了很好的选择。
关键词
卷积神经网络
RR间期
P波
心房活动特征
房颤检测
Keywords
convolutional neural network
RR interval
P-wave
atrial activity characteristics
atrial fibrillation detection
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
R541.75 [医药卫生—心血管疾病]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于单心拍心房活动特征与卷积神经网络的房颤检测
刘明
韩小岑
《激光杂志》
北大核心
2015
5
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部