基于H-Infinity滤波器增强的CNN-LSTM用于心音记录中的心律失常检测
机器学习
2025-11-05 v1 人工智能
声音
系统与控制
系统与控制
摘要
早期检测心律失常可防止心脏患者出现严重的未来并发症。虽然手动诊断仍是临床标准，但它高度依赖视觉解释，具有主观性。近年来，深度学习作为自动化心律失常检测工具日益活跃，提供了更高的精度、一致性和效率。尽管探索了众多卷积和循环神经网络架构来捕捉生理信号的空间和时间模式，但当前模型在现实场景下仍难以很好地泛化，尤其是面对小型或噪声数据集，这在生物医学应用中十分常见。本文提出一种新型的CNN-H-Infinity-LSTM架构，用于从心音记录中识别心律失常信号。该架构引入了受控制理论中H-Infinity滤波器启发的可训练参数，增强了鲁棒性和泛化能力。在公开基准数据集PhysioNet CinC Challenge 2016上进行了大量实验，结果表明该模型实现了稳定的收敛，性能优于现有方法，测试准确率达99.42%，F1分数达98.85%。
引用
@article{arxiv.2511.02379,
title = {H-Infinity Filter Enhanced CNN-LSTM for Arrhythmia Detection from Heart Sound Recordings},
author = {Rohith Shinoj Kumar and Rushdeep Dinda and Aditya Tyagi and Annappa B. and Naveen Kumar M. R},
journal= {arXiv preprint arXiv:2511.02379},
year = {2025}
}
备注
This is a preprint of a paper to appear at the 15th IEEE International Conference on Systems Engineering and Technology (ICSET 2025)