期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN和ET的智能ECG识别方法
被引量：
1
1
作者
张丹
何志涛
+1 位作者
陈永毅
尹武涛
《浙江工业大学学报》
CAS
北大核心
2021年第6期602-607,共6页
心电图(ECG)是检测心血管疾病的重要依据之一,通过对各类心电图的实时分析,可以达到检测被测者房颤及心脏健康情况的目的。采用基于卷积神经网络(CNN)和极端随机树(ET)混合模型的心电信号分类方法,通过连续小波变换对数据进行滤波处理,...
心电图(ECG)是检测心血管疾病的重要依据之一,通过对各类心电图的实时分析,可以达到检测被测者房颤及心脏健康情况的目的。采用基于卷积神经网络(CNN)和极端随机树(ET)混合模型的心电信号分类方法,通过连续小波变换对数据进行滤波处理,在此基础上通过CNN-ET混合模型,实现了心电信号的分类。方法结合了CNN对一维数据的强大表征能力,通过ET降低了异常值影响,预防了过拟合问题,具有较强的泛化能力。将所提出的方法在MIT-BIH数据集上进行了测试,在5类心电心拍次数不平衡问题检测中准确率达到99.95%,与现有方法相比,该改进方法进一步提高了ECG信号分类的精确度。
展开更多
关键词
卷积神经网络
小波分解
极端随机树
ECG分类
在线阅读
下载PDF
职称材料
基于TCN-SE神经网络模型的智能连续血压估计方法
被引量：
2
2
作者
熊嘉豪
姜晨希
+2 位作者
陈永毅
张丹
尹武涛
《传感技术学报》
CAS
CSCD
北大核心
2022年第11期1499-1505,共7页
血压是反映人体心血管系统状况重要信息的四个生命体征之一。随着科技的进步,智能化血压测量逐渐融入人类的日常生活当中。针对当下血压测量方法复杂,测量精度不高等问题,提出了一种基于嵌入SE注意力机制的时域卷积网络(TCN-SE)模型。...
血压是反映人体心血管系统状况重要信息的四个生命体征之一。随着科技的进步,智能化血压测量逐渐融入人类的日常生活当中。针对当下血压测量方法复杂,测量精度不高等问题,提出了一种基于嵌入SE注意力机制的时域卷积网络(TCN-SE)模型。该网络有效解决了现有方法中模型过拟合的问题,且进一步加强了模型对于不同通道信息的关注度。在保证信息完整的前提下,该模型可有效增大感受野。在重症监护中的多参数智能监测(MIMIC-II)数据集进行实验测试,通过计算均方误差和平均绝对误差等指标,得出收缩压的误差为(5.09±7.04)mmHg,舒张压的误差为(2.96±4.23)mmHg,表明所提出的方法相比于现有方法误差损失更低,在血压测量领域具有广阔的应用前景。
展开更多
关键词
血压
深度学习
时域卷积网络
SE注意力机制
光电容积描记技术
在线阅读
下载PDF
职称材料
题名
基于CNN和ET的智能ECG识别方法
被引量：
1
1
作者
张丹
何志涛
陈永毅
尹武涛
机构
浙江工业大学信息工程学院
无锡博智芯科技有限公司
出处
《浙江工业大学学报》
CAS
北大核心
2021年第6期602-607,共6页
基金
国家重点研发计划(2018YFE0206900)。
文摘
心电图(ECG)是检测心血管疾病的重要依据之一,通过对各类心电图的实时分析,可以达到检测被测者房颤及心脏健康情况的目的。采用基于卷积神经网络(CNN)和极端随机树(ET)混合模型的心电信号分类方法,通过连续小波变换对数据进行滤波处理,在此基础上通过CNN-ET混合模型,实现了心电信号的分类。方法结合了CNN对一维数据的强大表征能力,通过ET降低了异常值影响,预防了过拟合问题,具有较强的泛化能力。将所提出的方法在MIT-BIH数据集上进行了测试,在5类心电心拍次数不平衡问题检测中准确率达到99.95%,与现有方法相比,该改进方法进一步提高了ECG信号分类的精确度。
关键词
卷积神经网络
小波分解
极端随机树
ECG分类
Keywords
convolutional neural network(CNN)
wavelet decomposition
extreme random tree(ET)
ECG classification
分类号
TP391.77 [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TCN-SE神经网络模型的智能连续血压估计方法
被引量：
2
2
作者
熊嘉豪
姜晨希
陈永毅
张丹
尹武涛
机构
浙江工业大学信息工程学院
无锡博智芯科技有限公司
出处
《传感技术学报》
CAS
CSCD
北大核心
2022年第11期1499-1505,共7页
基金
国家自然科学基金(61873237)
国家重点研发计划(2018YFE0206900)
产学研项目(KYY-HX-20180742,KYY-HX-20200842)。
文摘
血压是反映人体心血管系统状况重要信息的四个生命体征之一。随着科技的进步,智能化血压测量逐渐融入人类的日常生活当中。针对当下血压测量方法复杂,测量精度不高等问题,提出了一种基于嵌入SE注意力机制的时域卷积网络(TCN-SE)模型。该网络有效解决了现有方法中模型过拟合的问题,且进一步加强了模型对于不同通道信息的关注度。在保证信息完整的前提下,该模型可有效增大感受野。在重症监护中的多参数智能监测(MIMIC-II)数据集进行实验测试,通过计算均方误差和平均绝对误差等指标,得出收缩压的误差为(5.09±7.04)mmHg,舒张压的误差为(2.96±4.23)mmHg,表明所提出的方法相比于现有方法误差损失更低,在血压测量领域具有广阔的应用前景。
关键词
血压
深度学习
时域卷积网络
SE注意力机制
光电容积描记技术
Keywords
blood pressure
deep learning
temporal convolutional network
SE attention mechanism
photoplethysmographic(PPG)
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
作者
出处
发文年
被引量
操作
1
基于CNN和ET的智能ECG识别方法
张丹
何志涛
陈永毅
尹武涛
《浙江工业大学学报》
CAS
北大核心
2021
1
在线阅读
下载PDF
职称材料
2
基于TCN-SE神经网络模型的智能连续血压估计方法
熊嘉豪
姜晨希
陈永毅
张丹
尹武涛
《传感技术学报》
CAS
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
