基于深度CNN与格拉姆角场的心电图分类
信号处理
2023-08-07 v1 信息检索
机器学习
摘要
本文通过引入一种新的ECG信号特征表示方法，为ECG信号分析的信号处理与深度学习(DL)领域提供了新颖贡献。所提方法基于使用格拉姆角场变换将时频一维向量转换为二维图像。随后，使用卷积神经网络(CNN)对变换后的ECG信号进行分类。所得结果显示异常检测的准确率分别为97.47%和98.65%。因此，除了相比最先进水平改善分类性能外，该特征表示方法有助于识别并可视化ECG信号中的时间模式，如心率、节律和形态的变化，这些在原始信号中可能并不明显。这对心血管疾病诊断和异常检测具有重要意义。
引用
@article{arxiv.2308.02395,
title = {ECG classification using Deep CNN and Gramian Angular Field},
author = {Youssef Elmir and Yassine Himeur and Abbes Amira},
journal= {arXiv preprint arXiv:2308.02395},
year = {2023}
}
备注
5 pages, 5 figures, and 1 table. Accepted at the 9th IEEE International Conference on Big Data Computing Service and Machine Learning Applications, July 17-20, 2023 | Athens, Greece