.png){kind=icon}
返回
A deep learning framework for ECG denoising and classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.bspc.2024.106441.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
心血管疾病 (CVD) 是全球死亡的主要原因。为了促进CVD的早期预防和及时诊断，每日心电图 (ECG) 监测已成为重要工具。然而，引入ECG信号中的各种噪声将影响这些记录的诊断效用。此外，非专业人员很难解释ECG信号。为了解决这个问题，我们提出了cs-trans，一种用于ECG去噪和分类的新型深度学习框架。该框架主要包含 :( i) 由称为cnn-swt的平稳小波变换 (SWT) 调节的卷积神经网络 (CNN); 以及 (ii) 变压器编码器。将SWT的卷积核约束和体系结构引入到CNN中，以更有效地学习线性和非线性时频特征，而transformer编码器进一步增强了全局特征提取。我们实现了cs-trans，并使用mit-bih心律失常数据库将其与现有技术进行了比较。评估结果表明，与其他算法相比，cs-trans在去噪时将输出信噪比 (SNR) 提高了10% %，并在分类中实现了0.5% 更高的精度，同时节省了一半甚至超过90% 的模型参数。
Keyword:
ECG signal
Denoising and classification
Convolutional neural networks
Stationary wavelet transform
Transformer
期刊
IF:
4.9
论文数:
1.0W
被引数:
2.4W
机构
引用论文
A novel wavelet sequence based on deep bidirectional LSTM network model for ECG signal classification基于深度双向LSTM网络模型的小波序列心电信号分类
PREAI
分享收藏Inter-Patient ECG Heartbeat Classification with Temporal VCG Optimized by PSO.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容