论文部分内容阅读
目的:构建一种有效的心电图分类算法,以实现对正常心电图与异常心电图的准确、可靠识别。方法:对来源于PhysioNet开源数据库的基于.dat文件的心电图信号进行预处理及扩充,构建卷积神经网络模型并优化批尺寸(batchsize)、正则化参数(l2_regularizer)、学习率(learningrate)、丢弃值(dropout)、训练步数(epoch)5个超参数,并进行算法性能评价实验。选用的性能评价指标包括准确率、灵敏度和整体指标F1值。结果:经过研究表明,提出的基于.dat文件的心电图正异常识别算