基于深度学习的心率失常诊断算法研究

张志红

   本文为大连理工硕士论文本文工作主要针对多导联复杂心电疾病的数据样本的分类问题展开研究。主要研究工作分为：
: S9 |( B' ~2 {4 f" @   （1） 针对于完整多导联心电图，首先进行多导联心电图小波变换去噪预处理。之后，提出了基于残差网络的心率失常多模态信号分类模型。该模型利用卷积神经网络分别对单导联 ECG 信号进行特征分析，随后将各个导联拼接在一起，通过类比于图像处理的方法，将信号中的多导联当作通道进行特征分析，最终对多个病症进行有效分类。
( ]* _& y/ K* g. u; W5 Z* ?* b0 n! H  （2） 针对于不完整多导联心电图，提出了基于生成对抗网络的时序插补模型。该模型采用插补门控循环单元以及卷积神经网络用以学习数据集样本的特征分布，使得该网络模型可以有效地对不完整导联数据进行插补。通过在实际心电数据集进行测试，证明了本文算法的有效性和可行性。
6 ~5 U) ~( ?# V) k3 U% }

& `' H2 N! x  C- Z- N( k