计量学报

作者：谢胜龙,张为民,鲁玉军,张文欣,朱俊江,任国营

关键词：计量学;智能诊断;心电信号;卷积神经网络;深度学习

基金：浙江省自然科学基金(LQ20E050017);国家重点研发计划项目(2018YFF0212702);国家自然科学基金(61801454);之江国际青年人才基金资助项目(ZJ2019JS006)

针对“大数据”时代如何利用数据对房颤进行智能、高效的诊断问题,提出了基于一维卷积神经网络的智能诊断方法,以避免传统算法依赖人工特征提取和先验知识的问题。首先,分别构建一维LeNet-5和AlexNet神经网络模型,合理设置网络结构参数;然后,在采集的实验数据基础上针对心电信号的特点进行一系列的数据处理,随机构建训练样本和测试样本;最后,将训练样本分别输入上述2个神经网络模型中训练学习,再将训练好的模型用于房颤的诊断。实验结果表明:一维LeNet-5网络模型存在“过拟合”现象,而一维AlexNet网络模型在避免了上述现象的同时,诊断精度达到了95.34%,较传统方法有了较大提升,为房颤诊断提供了有效的手段。

来源：2020年第5期

《计量学报》期刊编辑部

查看计量学报杂志2020年第5期