基于多头注意力机制的房颤检测方法
近年来, 随着人工智能的发展, 深度学习模型已在ECG数据分析(尤其是房颤的检测)中得到广泛应用. 本文提出了一种基于多头注意力机制的算法来实现房颤的分类, 并通过PhysioNet 2017年挑战赛的公开数据集对其进行训练和验证. 该算法首先采用深度残差网络提取心电信号的局部特征, 随后采用双向长短期记忆网络在此基础上提取全局特征, 最后传入多头注意力机制层对特征进行重点提取, 通过级联的方式将多个模块相连接并发挥各自模块的作用, 整体模型的性能有了很大的提升. 实验结果表明, 本文所提出的heads-8模型可以达到精度0.861, 召回率0.862, F1得分0.861和准确率0.860, 这优于目前针对心电信号的房颤分类的最新方法.
文件下载
评论信息
其他资源
- MIPS的汇编器，将MIPS汇编程序生成二进制程序
- 遥感图像处理课程设计代码
- LPC177x_8x(LPC17xx) cmsis driver library
- idea-hadoop-plugins.zip
- 多道批处理系统的两级调度-3
- NTC AD采集数值计算软件
- 2019最新最全省市区街道五级sql数据库(138MB)
- VM版 wince6.0系统
- plsql美化器自定义模板(比默认的实用多了)
- 罗升阳Android系统源代码情景分析（第三版）程序文件
- 清爽便签主题幻灯片模板.pptx
- c#中简单三层架构实例.rar
- 实习总结实习总结
- Discuz! X3.4 正式版
- C8051F单片机头文件.rar
- dxsdk_feb2005_extras
- GeometryService实现距离长度测量
- 请销假系统
- xscjManage.rar
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明