资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
文章类型：
机构：
[1]河北大学电子信息工程学院数字医疗工程重点实验室
[2]河北大学附属医院
河北大学附属医院
出处：
ISSN：
关键词：
心律失常
特征提取
稀疏降噪自动编码机
Softmax分类器
摘要：
心律失常是导致心肌缺血、心衰和心脏性猝死等疾病的主要因素之一,对心律失常进行准确高效的检测和分类具有重要的研究价值。本文提出了一种基于堆叠稀疏降噪自动编码机构建深度神经网络的心电信号特征检测算法,从而实现了心律失常的自动分类。分类系统利用稀疏降噪自动编码机获取心电信号的低维深度结构特征,其无监督学习方式使得特征具有更好的区分度和一定的抗干扰能力,然后将特征输入Softmax分类器进行信号分类。采用美国麻省理工MIT-BIH心律失常数据库对所提方法进行验证,总分类精度可达99.43%,实验结果表明该方法具有对心律失常自动分类的有效性。
基金：
国家自然科学基金（No.61703133,61673158）;河北省杰出青年科学基金（No.F2016201186）;河北省研究生创新资助项目（No.CXZZSS2017010）;保定市科技计划项目（No.17H01）；
第一作者：
第一作者机构：
[1]河北大学电子信息工程学院数字医疗工程重点实验室
通讯作者：
推荐引用方式(GB/T 7714)：
熊鹏,李鑫,时亚松,等.基于稀疏降噪自动编码机的心律失常自动分类[J].激光杂志.2018,39(04):152-156.
