检索结果-维普期刊中文期刊服务平台

基于深度学习和模糊C均值的心电信号分类方法被引量：22: 1; 作者吴志勇丁香乾 +1 位作者许晓伟鞠传香《自动化学报》 EI CSCD 北大核心 2018年第10期1913-1920,共8页; 针对长时海量心电信号自动分类系统中,心电专家诊断费时、费力和成本高,心电信号形态复杂导致特征提取困难,异常诊断模型适应性差、准确度低等问题,本文提出一种基于深度学习和模糊C均值的心电信号分类方法.该方法主要包括心电信号降噪... 展开更多; 关键词心电信号分类深度学习模糊C均值深度信念网络; 在线阅读下载PDF 职称材料

基于深度迁移学习的心电信号分类方法被引量：5: 2; 作者孙梦莉王演 +2 位作者刘晓凯林卉张世强《计算机应用与软件》北大核心 2020年第5期133-139,共7页; 针对传统的心电信号分类方法中存在模型复杂度较高且训练时间长等问题,提出深度迁移分类方法。预先使用ImageNet数据集在VGG-16网络中训练过的全网络连接层,对心电数据库(MIT-BIH)采用微调VGG-16预训练,实现基于同构数据下的特征迁移,... 展开更多; 关键词心电信号分类迁移学习深度学习算法复杂度; 在线阅读下载PDF 职称材料

基于梯度幅值方向调整的心电信号多任务分类算法: 3; 作者张雪田岚 +2 位作者曾鸣刘俊晖宗绍国《计算机科学》 CSCD 北大核心 2024年第12期174-180,共7页; 心血管疾病对人类生命健康安全的威胁日益严重,通过心电信号可进行相关疾病的诊断分类。现有的心电分类算法大多采用单任务学习模型,无法综合利用多个任务中的互补特征,而多任务学习模型可同时学习多个相关任务,共享相关任务特征,有助... 展开更多; 关键词心电信号分类多任务学习损失优化; 在线阅读下载PDF 职称材料

基于贝塞尔曲线拟合的心电信号模式分类方法被引量：3: 4; 作者石屹金登男《计算机工程与设计》 CSCD 北大核心 2013年第4期1437-1441,共5页; 提出了一种以心电信号形态特征为基础,基于信号分段特征提取,结合三阶贝塞尔函数和自组织神经网络的心电信号分类方法。首先分析了心电信号的形态特点,讨论了心电信号的分段方法,重点研究了结合贝塞尔函数的心电信号特征提取方法。最后... 展开更多; 关键词心电信号分类形态特征心电信号特征提取贝塞尔曲线自组织神经网络; 在线阅读下载PDF 职称材料

基于双阶段特征提取网络的ECG降噪分类算法: 5; 作者林楠唐凯鹏 +1 位作者牛勇鹏谢李鹏《郑州大学学报（工学版）》 CAS 北大核心 2024年第5期61-68,共8页; 临床采集到的标准12导联心电图常含有噪声,影响了心电信号分类结果的准确度,为此提出了一种基于双阶段特征提取网络的心电图(ECG)降噪分类算法。首先,在空间特征提取阶段,由深度耦合软阈值化去噪方法的残差收缩网络从输入的12导联标准... 展开更多; 关键词心电信号分类心电信号去噪残差收缩网络软阈值化注意力机制; 在线阅读下载PDF 职称材料

面向心电检测的混合多模卷积神经网络加速器设计: 6; 作者刘冬生魏来 +6 位作者邹雪城陆家昊成轩胡昂李德建赵旭蒋曲明《电子与信息学报》 EI CSCD 北大核心 2023年第1期33-41,共9页; 随着医疗资源日益匮乏以及人口老龄化日趋严重,心血管疾病已对人类健康造成了极大的威胁。具有心电(ECG)检测的便携式设备能有效降低心血管疾病对患者的威胁,因此该文设计了一种面向心电检测的混合多模卷积神经网络加速器。该文首先介... 展开更多; 关键词卷积神经网络心电信号分类卷积循环展开硬件实现; 在线阅读下载PDF 职称材料

题名基于深度学习和模糊C均值的心电信号分类方法被引量：22: 1; 作者吴志勇丁香乾许晓伟鞠传香; 机构中国海洋大学信息科学与工程学院山东理工大学计算机科学与技术学院; 出处《自动化学报》 EI CSCD 北大核心 2018年第10期1913-1920,共8页; 基金国家重点研发计划(2016YFB1001103)资助~~; 文摘针对长时海量心电信号自动分类系统中,心电专家诊断费时、费力和成本高,心电信号形态复杂导致特征提取困难,异常诊断模型适应性差、准确度低等问题,本文提出一种基于深度学习和模糊C均值的心电信号分类方法.该方法主要包括心电信号降噪预处理、心电信号分段和采样点统一化、无监督心跳特征学习、模糊C均值分类4个步骤,给出了模糊C均值深度信念网络FCMDBN模型结构和学习分类算法.仿真实验基于MIT-BIH心率异常数据库表明,与基于传统心电特征人工设计的分类方法相比,本文提出的信号诊断方法具有较高的适应性和准确度.; 关键词心电信号分类深度学习模糊C均值深度信念网络; Keywords ECG classification deep learning fuzzy C-means deep belief networks（DBNs）; 分类号 TN911.7 [电子电信—通信与信息系统] R540.4 [医药卫生—心血管疾病]; 在线阅读下载PDF 职称材料

题名基于深度迁移学习的心电信号分类方法被引量：5: 2; 作者孙梦莉王演刘晓凯林卉张世强; 机构大连海事大学信息科学技术学院华录智达科技有限公司; 出处《计算机应用与软件》北大核心 2020年第5期133-139,共7页; 基金国家自然科学基金项目(61802044)。; 文摘针对传统的心电信号分类方法中存在模型复杂度较高且训练时间长等问题,提出深度迁移分类方法。预先使用ImageNet数据集在VGG-16网络中训练过的全网络连接层,对心电数据库(MIT-BIH)采用微调VGG-16预训练,实现基于同构数据下的特征迁移,利用分类模型训练,得到心电信号分类结果。分类训练模型采用算法复杂度评估,深度迁移学习模型相较于深度学习模型时间复杂度减少了O(102)。实验结果表明,在提升深度模型分类性能和加速心电信号训练过程上,该方法优于深度学习方法。; 关键词心电信号分类迁移学习深度学习算法复杂度; Keywords ECG signal classification Transfer learning Deep learning Algorithm complexity; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于梯度幅值方向调整的心电信号多任务分类算法: 3; 作者张雪田岚曾鸣刘俊晖宗绍国; 机构山东大学微电子学院山东省厚德测控技术股份有限公司; 出处《计算机科学》 CSCD 北大核心 2024年第12期174-180,共7页; 基金山东省自然科学基金(ZR2021MF065,ZR2021ZD40)。; 文摘心血管疾病对人类生命健康安全的威胁日益严重,通过心电信号可进行相关疾病的诊断分类。现有的心电分类算法大多采用单任务学习模型,无法综合利用多个任务中的互补特征,而多任务学习模型可同时学习多个相关任务,共享相关任务特征,有助于提高多任务的分类表现。结合深度学习和多任务学习两种方法,提出了一种基于损失优化的心电信号多任务分类算法,将心电信号的多分类任务分解为多个二分类任务,从任务梯度的幅值和方向两方面进行损失优化,避免手动设置任务损失权重以及任务损失相互抵消而产生的负迁移,从而提升心电信号多分类任务的性能。在PTB-XL数据库上将心电信号23类分类任务分解为23个二分类任务来评估所提出的算法。实验结果表明,所提算法的宏观曲线下平均面积(AUC)达到0.950,准确率达到96.50%,基于标签的宏观F1分数达到0.583,基于样本的F1分数达到0.777。与单任务学习算法相比,所提算法在心电信号的多分类方面表现出良好的性能。; 关键词心电信号分类多任务学习损失优化; Keywords ECG signal classification Multi-task learning Loss optimization; 分类号 TP391.7 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于贝塞尔曲线拟合的心电信号模式分类方法被引量：3: 4; 作者石屹金登男; 机构华东理工大学信息科学与工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2013年第4期1437-1441,共5页; 文摘提出了一种以心电信号形态特征为基础,基于信号分段特征提取,结合三阶贝塞尔函数和自组织神经网络的心电信号分类方法。首先分析了心电信号的形态特点,讨论了心电信号的分段方法,重点研究了结合贝塞尔函数的心电信号特征提取方法。最后,应用自组织神经网络对心电信号特征机型分类验证,结合使用MIT-BIH心电信号数据库的112605条数据进行实验。使用贝塞尔函数可以达到很好的特征提取效果,结合自组织神经网络可以达到较好的分类效果。实验结果表明,特征提取方法能够提高特征的有效性以及分类器的准确率。; 关键词心电信号分类形态特征心电信号特征提取贝塞尔曲线自组织神经网络; Keywords ECG classification morphology feature~ ECG pattern recognition~ Bezier curve fitting~ self-organizing neural net- work; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于双阶段特征提取网络的ECG降噪分类算法: 5; 作者林楠唐凯鹏牛勇鹏谢李鹏; 机构郑州大学网络空间安全学院; 出处《郑州大学学报（工学版）》 CAS 北大核心 2024年第5期61-68,共8页; 基金河南省重点研发与推广专项科技攻关项目(222102310663)。; 文摘临床采集到的标准12导联心电图常含有噪声,影响了心电信号分类结果的准确度,为此提出了一种基于双阶段特征提取网络的心电图(ECG)降噪分类算法。首先,在空间特征提取阶段,由深度耦合软阈值化去噪方法的残差收缩网络从输入的12导联标准心电信号中提取空间特征;其次,在时间特征提取阶段,由长短期记忆网络与注意力机制结合继续从心电信号中提取时间特征;最后,通过全连接网络层融合提取到的空间特征与时间特征,输出9个类别的概率预测分布。在CPSC2018数据集上与其他同类型先进分类算法进行了对比实验,验证所提算法的效果,实验结果表明:提出的分类算法在对9类ECG信号进行分类时平均F1分数达到0.854,在各项指标上表现更优。此外,实验证明所提算法在含噪数据中的表现也优于其他主流网络,充分证明了所提算法对于含噪心电信号的降噪分类性能,该算法也可应用于其他类似含噪声生理信号的分析和处理。; 关键词心电信号分类心电信号去噪残差收缩网络软阈值化注意力机制; Keywords ECG classification ECG denoising residual shrinkable network soft thresholding attention mechanism; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TN911.7 [电子电信—通信与信息系统] R541.7 [医药卫生—心血管疾病]; 在线阅读下载PDF 职称材料

题名面向心电检测的混合多模卷积神经网络加速器设计: 6; 作者刘冬生魏来邹雪城陆家昊成轩胡昂李德建赵旭蒋曲明; 机构华中科技大学光学与电子信息学院国家电网电力工业芯片设计与分析技术重点实验室楚天龙股份有限公司; 出处《电子与信息学报》 EI CSCD 北大核心 2023年第1期33-41,共9页; 基金国家自然科学基金(62134002) 国家重点研发计划(2021YFA0715502) +1 种基金东莞引进创新科研团队计划(201760712600139)。; 文摘随着医疗资源日益匮乏以及人口老龄化日趋严重,心血管疾病已对人类健康造成了极大的威胁。具有心电(ECG)检测的便携式设备能有效降低心血管疾病对患者的威胁,因此该文设计了一种面向心电检测的混合多模卷积神经网络加速器。该文首先介绍了一种用于心电信号分类的1维卷积神经网络(1D-CNN)模型,随后针对该模型设计了一种高效的卷积神经网络(CNN)加速器,该加速器采用了一种多并行展开策略和多数据流的运算模式完成了卷积循环的加速和优化,能在时间上和空间上高度复用数据,同时提高了硬件资源利用率,从而提升了硬件加速器的硬件效率。最后基于Xilinx ZC706硬件平台完成了原型验证,结果显示,所设计卷积神经网络加速器消耗的资源为2247 LUTs, 80 DSPs。在200 MHz的工作频率下,该设计的整体性能可达到28.1 GOPS,并且硬件效率达到了12.82 GOPS/kLUT。; 关键词卷积神经网络心电信号分类卷积循环展开硬件实现; Keywords Convolutional Neural Network(CNN) ElectroCardioGram(ECG)signal classification Convolutional loop unrolling Hardware implementation; 分类号 TN402 [电子电信—微电子学与固体电子学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于深度学习和模糊C均值的心电信号分类方法	吴志勇丁香乾许晓伟鞠传香	《自动化学报》 EI CSCD 北大核心	2018	22	在线阅读下载PDF 职称材料
2	基于深度迁移学习的心电信号分类方法	孙梦莉王演刘晓凯林卉张世强	《计算机应用与软件》北大核心	2020	5	在线阅读下载PDF 职称材料
3	基于梯度幅值方向调整的心电信号多任务分类算法	张雪田岚曾鸣刘俊晖宗绍国	《计算机科学》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于贝塞尔曲线拟合的心电信号模式分类方法	石屹金登男	《计算机工程与设计》 CSCD 北大核心	2013	3	在线阅读下载PDF 职称材料
5	基于双阶段特征提取网络的ECG降噪分类算法	林楠唐凯鹏牛勇鹏谢李鹏	《郑州大学学报（工学版）》 CAS 北大核心	2024	0	在线阅读下载PDF 职称材料
6	面向心电检测的混合多模卷积神经网络加速器设计	刘冬生魏来邹雪城陆家昊成轩胡昂李德建赵旭蒋曲明	《电子与信息学报》 EI CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料