An Electrocardiogram Signal Classification Algorithm Based on Improved Deep Residual Shrinkage Networks北大核心CSCD |
| |
引用本文: | 龚玉晓,高淑萍.An Electrocardiogram Signal Classification Algorithm Based on Improved Deep Residual Shrinkage Networks北大核心CSCD[J].应用数学和力学,2023(8):977-988. |
| |
作者姓名: | 龚玉晓 高淑萍 |
| |
作者单位: | 西安电子科技大学数学与统计学院 |
| |
基金项目: | 国家自然科学基金项目(91338115);;高等学校学科创新引智计划(111计划)(B08038); |
| |
摘 要: | 心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过采样技术(SMOTE)扩充数量少的类别样本,从而解决了类不平衡问题;其次,利用改进深度残差收缩网络提取空间特征,其残差模块可以避免网络层加深造成的过拟合,压缩激励和软阈值化子网络可以提取重要局部特征并自动去除噪声;然后,通过长短期记忆网络(LSTM)提取时间特征;最后,利用全连接网络输出分类结果.在MIT-BIH心律失常数据集上的实验结果表明,该算法的分类性能优于IDRSN、DRSN、GAN+2DCNN、CNN+LSTM_ATTENTION、SE-CNN-LSTM分类算法.
|
关 键 词: | 心电信号 合成少数类过采样技术 深度残差收缩网络 压缩激励 长短期记忆网络 |
本文献已被 维普 等数据库收录! |
|