基于多尺度融合特征卷积神经网络的房颤自动检测算法

郭禧斌; 王瞧; 程晓琦

doi:10.16339/j.cnki.jsjsyzdh.202504002

计算技术与自动化 ›› 2025, Vol. 44 ›› Issue (04) : 7 -12. DOI: 10.16339/j.cnki.jsjsyzdh.202504002

基于多尺度融合特征卷积神经网络的房颤自动检测算法

郭禧斌, 王瞧, 程晓琦

作者信息 +

Author information +

文章历史 +

PDF

摘要

心房颤动简称房颤，是目前临床上较为常见的心律失常之一，其发病率和死亡率较高。传统的房颤诊断主要依赖医生目视检查心电图来完成，费时耗力、效率较低。本文提出了一种基于多尺度融合特征的卷积神经网络用于房颤的自动检测，网络中多尺度卷积核可以提升心电信号的特征信息捕获能力，从而克服传统单尺度卷积核的局限性。所提模型在MIT-BIH的两个公共数据库中取得了97.4%的准确率、97.3%的敏感度和97.4%的特异度。同时与现有多个算法相比，所提的房颤检测算法策略具有更佳的模型精度和鲁棒性。