基于CNN-LSTM-SE的心电图分类算法研究

摘要

心血管疾病是我国死亡率较高的疾病之一，通过观察心电图来判断心电信号是否出现异常能够对心血管疾病进行预防和筛查。由于心电图数据规模大且繁杂，临床医护人员在心电图筛查时，工作负担大且容易出现误诊或漏诊的情况。为了提高心电图的筛查效率、减少医护人员的压力，提出了一种基于卷积神经网络、长短期记忆神经网络和SE网络的心电图分类算法模型（CNN-LSTM-SE），该模型将心电图分成5种不同的类别。主要研究内容包括：选用MIT-BIH心律失常数据集作为心电信号的数据来源，使用巴特沃斯带通滤波器对心电信号进行去噪处理，通过Z-score方法对心电信号进行标准化处理，利用独热编码方法对心电信号标签进行编码，最后使用处理后的心电数据对所提算法模型进行训练和测试。实验结果表明：所提模型相较于其它模型，能够有效提高心电图分类的准确性，在实验数据集上的分类准确率达到99.1%。

关键词

心律失常 / 心电图 / 卷积神经网络 / SE网络 / 长短期记忆神经网络

基金资助

国家重点研发计划资助项目（2018YFC2000701）; 中国博士后科学基金资助项目（2021M692400）; 山西省基础研究计划资助项目（202203021221017）