基于一维卷积神经网络的心肌梗死诊断研究

摘要：

目的:心电图判读主要依靠医师经验性分析,容易出现差错,本研究提出一维卷积神经网络预测模型实现对心肌梗死的智能诊断.方法:本研究利用Keras及Tensorflow搭建一维卷积神经网络.利用PTB-XL公共数据平台上的21837条ECG数据,经过删除异常值、中值滤波、裁剪等数据预处理后,将数据划分为训练集、验证集及测试集,用训练集数据训练CNN模型,用验证集验证模型,并采取正则化、Dropout及早停止法策略抑制过拟合,得到最终的预测模型.结果:模型对测试集预测的AUC、准确率、敏感度、特异度及阳性预测值分别达到0.981、0.952、0.932、0.957、0.840.结论:该预测模型对心肌梗死的预测性能优异,为心肌梗死的诊断提供了新方法.

关键词：心肌梗死、心电图、智能诊断、卷积神经网络、中值滤波

所属期刊栏目：16

分类号：R540.4(心脏、血管（循环系）疾病)

在线出版日期：2021-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：55-59