-
题名基于深度学习并行网络模型的心律失常分类方法
被引量：4
- 1
-
-
作者
甘屹
施俊丞
高丽
何伟铭
-
机构
上海理工大学机械工程学院
日本中央大学理工学部精密工学科
上海理工大学图书馆
上海理工大学光电与计算机学院
-
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2021年第9期1296-1303,共8页
-
基金
国家自然科学基金(51375314)。
-
文摘
目的提出一种并行神经网络分类方法,以提高对正常搏动、室上性异位搏动、心室异位搏动、融合搏动4种心律失常的分类性能。方法首先进行心电信号去噪、小尺度心拍和大尺度心拍的分割、数据增强等预处理;然后基于深度学习理论,应用密集连接卷积神经网络改善人工提取波形特征的局限性,并结合双向长短时记忆网络和高效通道注意力网络,以增强提取波形时序特征和重要特征的功能;接着采用并行网络结构,同时输入小尺度心拍和大尺度心拍的的波形特征,以提高心律失常分类的准确性;最后使用Softmax函数实现对心律失常的4分类任务。结果利用MIT-BIH心律失常数据库和3组实验验证所提方法。多种并行网络模型分类性能对比实验和不同心拍输入方式下,各分类模型性能对比实验得出所提分类模型的总体准确率、平均灵敏度和平均特异性分别达到99.36%、96.08%、99.41%;并行网络分类模型收敛性能分析实验得出分类模型每次训练时间为41 s。结论并行多网络分类方法在保持较高总体准确率的同时,平均灵敏度、平均特异性以及训练时间均有改善,该方法有望为心律失常临床诊断提供新的技术方案。
-
关键词
心律失常
并行分类
深度学习
网络模型
-
Keywords
arrhythmia
parallel classification
deep learning
network model
-
分类号
R541.7
[医药卫生—心血管疾病]
-
-
题名外骨骼手臂康复训练机器人仿真分析与研究
被引量：3
- 2
-
-
作者
任亚楠
甘屹
孙福佳
何伟铭
-
机构
上海理工大学机械工程学院
日本中央大学理工学部精密工学科
-
出处
《农业装备与车辆工程》
2017年第11期33-38,共6页
-
文摘
设计了一种六自由度外骨骼手臂康复训练机器人,分析了结构与连杆参数,并采用D-H后置坐标系法,建立了各连杆结构和坐标系的运动学模型,得到运动学的正解,从而编程得到机器人末端理论运动曲线,再与ADAMS仿真得到的曲线进行对比,验证了运动学模型的准确性。采用蒙特卡洛法计算出该机器人的工作空间。利用Matlab中的Robotics Toolbox模块功能,建立该机器人的运动学模型,对其进行关节空间的轨迹规划,得到机器人关节较为平滑、连续的角度、角速度和角加速度曲线和运动轨迹曲线。最后,将轨迹规划中得到的关节数据导入到ADAMS中,将运动曲线spline作为驱动,经过仿真得到各个关节所需的力矩变化曲线,为电机选型和控制确定理论基础。
-
关键词
外骨骼结构
运动学分析
工作空间
轨迹规划
动力学仿真
-
Keywords
exoskeleton structure
kinematics
workspace
trajectory planning
dynamic simulation
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
TP391.9
[自动化与计算机技术—计算机应用技术]
-
