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
- zigbee资料
- citect 6.0 6.10 破解文件
- 三边定位算法
- 《数字电子技术基础》（第五版）教学课件清华大学 阎石 王红课件1-6章
- ansys 14.5 破解文件
- 多元非线性方程组迭代解法
- 华为云计算培训教材PDF
- TO 封装大全
- Geomesa中文学习文档和案例分析
- waifu2x-converter-cpp.zip
- matlab MK检验代码
- TMPS-源码
- XX省人民医院系统平台建设技术方案建议书.docx
- 经典数字图像测试图（灰度图，jpg，bmp，tif多种格式）
- c#win7资源管理器
- 基于matlab的应用图像处理进行癌细胞检测
- （系统功能分析）电影售票网站
- easyconnect plugin.pkg
- 仓库管理系统 报告
- 简单黑白棋VC++实现
- C#网络爬虫
- 主数据项目准备
- HEVC编解码器参考代码HM9.1
- STCMCU-SPI演示例程
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