图学学报 ›› 2021, Vol. 42 ›› Issue (4): 581-589.DOI: 10.11996/JG.j.2095-302X.2021040581
摘要: 心电图(ECG)是临床上诊断心脏疾病的重要依据,从中提取关键、有效的特征是自动诊断系统
的关键。而现今多数研究仅使用单导联或双导联数据,提取的特征不够全面,无法很好地区分不同心跳中的细
微差别。为了获得更加全面的特征和更优异的分类表现,本文提出了基于多尺度特征提取的多导联心跳信号分
类方法(MSNet)。首先,该方法接收多导联心跳信号堆叠矩阵作为输入;然后,利用 3 种不同尺度的一维卷积
分别提取特征;最后将不同尺度的特征融合并进行所属类别的分类。本文在 MIT-BIH Arrhythmia Database,
MIT-BIHSupraventricular Arrhythmia Database和St Petersburg INCART 12-lead Arrhythmia Database 3个心电公开
数据集上进行了充分的实验,在五折交叉验证的策略下,对于“正常-异常”分类,该方法的准确率、召回率、
精确率、F1 值均达到了 99%以上;对于多类别分类,其平均准确率、平均召回率、平均精确率、平均 F1 值能
达到 99.5%左右。与现今优异的其他方法相比,该方法有着更好的表现。
中图分类号: