【摘 要】
：
心电图(electrocardiogram,ECG)的形态特征提取是检测心律异常类型的重要手段,目前并没有好的方法对心电形态特征进行更高效的提取以增强检测分类效果.针对此问题,对心电成分提出无滤波处理结合多核尺度卷积神经网络进行自动分类.所有的心拍都是从原始信号中分离出来,经过分割后,通过合成少数类过采样技术(synthetic minority oversampling technique,SMOTE)数据扩增方式,平衡少样本数据集,再将心电信号输入到卷积神经网络中进行特征学习.通过MIT-BIH数据库
【机 构】
：
重庆邮电大学 通信与信息工程学院,重庆400065;生物医学工程研究中心,重庆400065;生物医学工程研究中心,重庆400065
论文部分内容阅读
心电图(electrocardiogram,ECG)的形态特征提取是检测心律异常类型的重要手段,目前并没有好的方法对心电形态特征进行更高效的提取以增强检测分类效果.针对此问题,对心电成分提出无滤波处理结合多核尺度卷积神经网络进行自动分类.所有的心拍都是从原始信号中分离出来,经过分割后,通过合成少数类过采样技术(synthetic minority oversampling technique,SMOTE)数据扩增方式,平衡少样本数据集,再将心电信号输入到卷积神经网络中进行特征学习.通过MIT-BIH数据库提供的双导联心电医学样本数据,按照AAMI的心电五分类标准,最终在测试集中分类准确率达到99.50％,灵敏度为98.97％,综合评价F1为99.21％.实验结果表明,相比于传统的单一核尺度心电分类方法,多核尺度卷积神经网络模型简化了数据处理方式,整体准确率、灵敏度、综合评价F1均有明显提高,因此,更适合用于临床上代替心电图医生进行诊断.
其他文献
针对大规模阵列天线波束赋形中智能优化算法精度不高、收敛速度不快等问题,提出一种自适应猫群算法.在猫群算法的基础上,使其基本参数根据迭代次数及适应度函数值自适应改变,并在搜寻模式中加入赌轮盘和精英选择相结合的策略,以增加种群多样性.多种智能优化算法的性能仿真对比分析表明,自适应猫群算法具有快速收敛、全局寻优的能力.将该算法应用到2×8阵列天线多目标波束赋形中仿真,结果表明自适应猫群算法能够有效提高阵列天线多目标波束赋形的效率和精度.
针对染色体识别的难题,提出一种基于残差U-Net网络的染色体图像分割方法.以残差网络和U-Net网络为基础简化深层网络的训练,利用丰富的跳跃连接促进信息传播;通过将U-Net网络底层的卷积层替换成不同尺度的空洞卷积,保持特征空间分辨率不变的同时扩大特征感受野,实现多尺度感受野提取图像特征的同时减少特性信息的丢失;压缩路径和扩张路径中间的跳跃连接则通过组合不同尺度的特征,实现高度灵活的特征融合;通过使用Tversky损失函数,进一步提高了分割精度.实验结果表明,基于残差U-Net网络的染色体重叠区域的交并比
高维目标柔性作业车间调度问题(many-objective flexible job shop scheduling problem,MaOFJSP)是指在实际生产中根据企业不同部门的要求,对车间生产寄予不同的期望,使各个部门利益最大化的调度决策.针对完工时间、拖期时长、机器负荷、能耗4个优化目标,提出了改进非支配解遗传算法(improved non-dominated sorting genetic algorithm,INSGA-Ⅱ)来求解MaOFJSP,同时对算法的编码解码、Pareto排序、选择策
经典DBSCAN(density based spatial clustering of applications with noise)算法需要人工指定邻域半径(Eps)和点数阈值(Minpts),且均为全局参数,导致聚类准确率低.针对此问题,为了提高经典DBSCAN聚类算法的聚类准确率,基于网格划分思想,提出了一种局部自适应DBSCAN聚类算法.根据数据集自身特征生成网格空间,将特征数据映射至相应的网格空间;利用高斯核函数估计每个网格区间的局部密度;联合多维度网格密度分布信息,寻找无连接或弱连接高密度
为了挖掘信道状态信息(channel state information,CSI)在手臂行为识别中的非线性深层特征,提高识别准确度,提出了一种基于高阶累积量和改进广义回归神经网络(generalized regression neural network,GRNN)的CSI手臂行为识别算法.离线阶段,将在不同手臂动作下采集的细粒度CSI幅度和相位差作为基信号,并利用平均绝对偏差改进的spearman rank相关系数选择敏感性强的子载波;针对CSI中的非线性非高斯信息,在所选子载波中提取高阶累积量特征;在
从“与环境共生的建筑设计”理念出发,指出建筑的生命既存在于其物理周期内,又存在于与之共生的环境中,进一步论述与环境共生的建筑设计与时间、空间、人之间互动而生的特质,以及要素提炼、空间整合、绿色设计的路径.基于此,结合设计实践,从与自然环境的对话、对场地环境的尊重、对社会文化的表达、对科学技术的转化、对资源价值的再生5个方面表达与环境共生的建筑设计思考.
针对快速独立分量分析(fast independent component analysis,Fast-ICA)算法中非线性(nonlinearity)本身的计算负担会造成算法收敛速度下降的问题,提出一种有理多项式函数替代经典非线性的方法.通过将传统的非线性进行泰勒级数展开,利用Pade逼近技术推导出相应的有理多项式函数.有理函数的分子采用一次多项式,而分母采用二次多项式,在保证有理函数为真分式的同时还简化了其计算.仿真结果表明,采用有理非线性的Fast-ICA算法不仅能够提高算法的收敛速度,而且还能提高
在倡导绿色通信的未来,如何提高能效、降低功耗将成为非常重要的问题.针对基于稀疏码多址接入技术的单小区多用户上行蜂窝移动通信系统,在保障用户服务质量(quality of service,QoS)需求的前提下,以最大化系统上行能效为目标,提出了一种资源分配机制,主要包括码本和功率的分配.为了降低基站的负荷,减小网络信令开销,采用分布式、弱中心化的分配机制;在固定功率分配的情况下,采用最大化吞吐量准则的拍卖机制对码本进行分配;在固定码本分配的情况下,用户通过非合作博弈来获取自身的最大化能效.仿真表明,所提资源
为了提高调制结构快速灵活配置能力,针对未来移动通信系统业务多样化以及用户业务切换快速灵活的要求,基于离散余弦变换提出了自适应正交频分复用调制结构(AOFDM).AOFDM通过分段配置原型函数,调节子载波数以及滤波器长度,保证调制波形在用户传输业务切换过程中自适应转换而无需中断传输.仿真分析表明,AOFDM具有很好的频谱收敛特性和峰均功率比性能,可以做到快速灵活的无缝切换,并能保证调制结构在信息切换前后的完全重建;在传输信道影响情况下,AOFDM的误码率性能相比于OFDM系统无明显的损失.
为了在医学图像中提高胰腺计算机断层成像(computed tomography,CT)自动分割的准确率,针对传统分割方法存在受噪声影响大、过分割、欠分割等问题,以及胰腺周围的重要结构组织关系紧密且多变、边缘界限不易确定等特点,提出了一种基于全局特征U-net(U-net with global features,GF U-net)的胰腺图像分割方法.该方法比基于传统深度卷积神经的U-net网络能够提取出更精确的形状、纹理信息,将胰腺图像区域的毛刺边缘进行平滑化,能够更好地把握胰腺的全局特征.通过对82个由