基于压缩卷积神经网络的心律不齐分类方法

摘要：

心律不齐是一种常见的心脏疾病,严重时可能会危及生命,因此对该疾病开展早期筛查和分类在临床医学中具有重要意义.搭载心电信号(ECG)传感器的可穿戴设备凭借低成本和便捷等特点,是实现日常心脏健康监测的理想平台之一.然而受制于计算能力等因素的限制,可穿戴设备需要将数据上传到云端进行分析,增加了等待时延和用户隐私泄露风险.另一方面,现有心律不齐分类算法在训练时受疾病样本分布不平衡等因素的影响,在识别部分异常病症时的表现不尽人意,限制了其应用范围.为解决上述问题,本文提出了一种基于压缩卷积神经网络的心律不齐分类算法,增强了其在移动平台上的部署能力.同时在训练过程中通过将类别先验分布引入损失函数中,提升了算法对异常病症的识别能力.实验结果表明,本文提出的压缩模型相比经典模型在减少98.2%参数量的同时,超越了许多相关工作取得了0.759 的宏F1 值.

关键词：可穿戴设备、心律不齐分类、压缩卷积神经网络、类别不平衡、损失函数

所属期刊栏目：33

分类号：TP391;R541;R737.33

资助基金：国家自然科学基金61672498

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：895-904