基于 CNN-BiLSTM 的房颤检测与 ECG 分类
信号处理
2020-11-13 v1 机器学习
摘要
从心电图（ECG）信号中目视检测心脏病具有挑战性。实现自动化的 ECG 信号检测系统可辅助心律失常诊断，从而提高诊断准确性。在本文中，我们提出、实现并比较了一种自动化系统，该系统使用卷积神经网络（CNN）与长短期记忆（LSTM）两种不同组合框架对正常窦性信号、房颤和其他噪声信号进行分类。我们使用的数据集来自 MIT-BIT Arrhythmia Physionet。我们的方法表明，两个深度学习网络的级联比它们的拼接具有更高性能，取得了 0.82 的加权 f1 分数。实验结果成功验证了 CNN 与 LSTM 的级联能在区分 ECG 信号上取得令人满意的性能。
引用
@article{arxiv.2011.06187,
title = {Atrial Fibrillation Detection and ECG Classification based on CNN-BiLSTM},
author = {Jiacheng Wang and Weiheng Li},
journal= {arXiv preprint arXiv:2011.06187},
year = {2020}
}