基于ResNet与BiLSTM的心电QRS波群检测方法

2021-03-12 11:20:48黄毅孙为军王丹雷伍贤美袁永浩
自动化与信息工程 2021年1期
关键词:检测方法模型

黄毅 孙为军 王丹雷 伍贤美 袁永浩

开发设计

基于ResNet与BiLSTM的心电QRS波群检测方法

黄毅 孙为军 王丹雷 伍贤美 袁永浩

(广东工业大学,广东 广州 510006)

为快速准确地检测出心电信号中的QRS波群,提出一种基于残差网络(ResNet)与双向长短期记忆网络(BiLSTM)的深度学习模型—ResBiLSTM,检测QRS波群的起始点和终点。实验结果表明:相比于传统的QRS波群检测方法,ResBiLSTM提高了检测效率,且具有较强的鲁棒性,能够准确检测不同形态的QRS波群。

心电信号;QRS波群;残差网络;双向长短期记忆网络

0 引言

QRS波群是心电信号最显著和最重要的特征[1],通过检测QRS波群可以获取用于诊断的生物信息,如心率和呼吸信号[2]可用于心跳分类[3]等。目前,QRS波群检测方法较多,传统的QRS波群检测方法有小波变换法[4-6]、希尔伯特变换法[7]和向量变换法[8]等。但这些检测方法存在提取特征过于依赖经验、模型参数固定和变换域计算量大等问题,导致检测算法鲁棒性差、效率低。

近年来,深度学习在计算机视觉和语音识别等领域应用广泛。卷积神经网络和循环神经网络也逐渐应用于心电信号QRS波群的特征提取和检测定位,这些神经网络可实现端到端的QRS波群检测,解决了传统检测方法模型参数固定和变换域计算量大等问题。XIANG等[9]搭建两级一维卷积神经网络模型,在MIT-BIH心率失常数据库中获得的灵敏度和阳性预测值分别为99.77%和99.91%。YUEN等[10]搭建CNN-LSTM神经网络模型,在MIT-BIH噪声压力数据库和欧洲ST-T噪声压力数据库中都取得较好的QRS波群定位结果。……

登录APP查看全文

猜你喜欢
检测方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
用对方法才能瘦
Coco薇(2016年2期)2016-03-22 02:42:52
四大方法 教你不再“坐以待病”!
Coco薇(2015年1期)2015-08-13 02:47:34
捕鱼