基于多阶人工神经网络的ECG信号诊断模型研究

被引：29

作者：

骆德汉 ^{[1
]}

许广桂 ^{[1
]}

邹宇华 ^{[1
]}

HGholam Hosseini ^{[2
]}

机构：

[1] 广东工业大学

[2] 奥克兰工业大学工程学院

来源：

仪器仪表学报 | 2008年 / 01期

基金：

广东省自然科学基金;

关键词：

ECG信号分类器; 人工神经网络(ANN); ECG信号诊断; 多阶前馈神经网络;

D O I：

10.19650/j.cnki.cjsi.2008.01.006

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

目前已经有多种不同的ECG(心电图)信号辅助诊断工具得到应用,其中包含了基于人工神经网络的ECG分类器应用系统。本文介绍一种基于多阶前馈人工神经网络的新型ECG信号诊断模型,其目标是设计一种结构简单、成本低、响应速度快,识别率高的ECG信号辅助诊断系统。首先给出多个不同结构的神经网络,然后针对6种不同的心脏状况,比较这些神经网络之间的性能差异和辨别能力。网络的输入数据来自于M IT/B IH数据库,包括12种ECG特征信号和相应的每次心脏搏动的13段压缩信号。通过研究测试发现,基于二阶神经网络的ECG模型识别率最高,正确率达到了90.57%。

引用

页码：27 / 32

页数：6