一种基于残差网络的一维心电数据分类方法

    公开(公告)号:CN114692698B

    公开(公告)日:2025-03-21

    申请号:CN202210429753.9

    申请日:2022-04-22

    Applicant: 中北大学

    Abstract: 本申请涉及计算机领域,具体提供了一种基于残差网络的一维心电数据分类方法,该方法包括如下步骤:S1,获取心电数据并对其进行预处理;S2,构建网络模型;S3,对构建的网络模型进行训练和测试;S4,使用测试好的网络模型对心电数据进行分类。步骤S2构建的网络模型包括卷积层+BN层+ReLU激活函数+全局最大池化层、RE1.1残差模块、RE2残差模块、全局平均池化层+全连接层,具体地,本发明对残差网络进行了改进,在残差块的使用上仅使用了RE1.1,去掉了原始网络中的RE1.2,并在RE1.1后直接连接上了RE2进行特征数与通道数的同步融合,最后通过全连接层进行特征拉平并进行SoftMax分类。本发明方法对多类别心电数据的分类准确率较高,且训练与测试所需时间较短。

    一种基于残差网络的一维心电数据分类方法

    公开(公告)号:CN114692698A

    公开(公告)日:2022-07-01

    申请号:CN202210429753.9

    申请日:2022-04-22

    Applicant: 中北大学

    Abstract: 本申请涉及计算机领域,具体提供了一种基于残差网络的一维心电数据分类方法,该方法包括如下步骤:S1,获取心电数据并对其进行预处理;S2,构建网络模型;S3,对构建的网络模型进行训练和测试;S4,使用测试好的网络模型对心电数据进行分类。步骤S2构建的网络模型包括卷积层+BN层+ReLU激活函数+全局最大池化层、RE1.1残差模块、RE2残差模块、全局平均池化层+全连接层,具体地,本发明对残差网络进行了改进,在残差块的使用上仅使用了RE1.1,去掉了原始网络中的RE1.2,并在RE1.1后直接连接上了RE2进行特征数与通道数的同步融合,最后通过全连接层进行特征拉平并进行SoftMax分类。本发明方法对多类别心电数据的分类准确率较高,且训练与测试所需时间较短。

Patent Agency Ranking