SEVGGNet-LSTM：一种用于心电图分类的融合深度学习模型
机器学习
2022-11-01 v1
摘要
本文提出了一种用于心电图（ECG）分类的融合深度学习算法。该算法利用了卷积与循环神经网络相结合的ECG分类优势，以及注意力机制的权重分配能力。输入的ECG信号首先被分段并归一化，然后送入融合的VGG与LSTM网络进行特征提取与分类。一个注意力机制（SE块）被嵌入核心网络以增强重要特征的权重。采用来自不同来源与设备的两个数据库进行性能验证，结果很好地证明了所提算法的有效性与鲁棒性。
引用
@article{arxiv.2210.17111,
title = {SEVGGNet-LSTM: a fused deep learning model for ECG classification},
author = {Tongyue He and Yiming Chen and Junxin Chen and Wei Wang and Yicong Zhou},
journal= {arXiv preprint arXiv:2210.17111},
year = {2022}
}