基于深度学习技术的心律失常诊断与个体识别算法研究

摘要

针对传统机器学习算法的弊端，提出一种基于深度学习的心率失常信号诊断和心电信号个体识别的改进算法.该方法通过加入改进的卷积注意力模块，将一维卷积神经网络和双向长短时网络结合，提出一种新的模型L-CNN对心律失常心电信号进行诊断识别.实验结果表明：L-CNN算法模型比现有研究的算法模型的识别精度最低提高了1.23%.与传统识别技术相比，基于心电信号的识别技术具有广阔的应用前景.

关键词

心电识别 / 深度学习 / 卷积神经网络 / 双向长短时网络 / 卷积注意力模块