基于CNN和BiGRU-Attention模型的心律异常判别研究

【摘要】 心脏病是导致人类死亡的主因,多数心血管疾病发生时,常伴有心律失常现象的出现。为实现心律失常的自动判别,研究并提出一种卷积神经网络(Convolutional Neural Network,CNN)和基于注意力机制(Attention)的双向门控循环单元神经网络(Bidirectional Gated Recurrent Unit Neural Network,BiGRU)结合的心律异常判别方法。该方法首先采用1维CNN自动提取心电信号特征;其次将CNN提取出的特征输入到BiGRU-Attention网络中进行学习;最后,使用softmax函数进行分类。实验结果表明,该方法的总体准确率为99.53%,N、S、V和F四类心跳的灵敏度分别为99.80%、96.35%、98.23%,92.01%,阳性预测值分别为99.74%、96.87%、99.24%、90.37%,证明该方法具有良好的性能。更多还原