金林鹏 1,2 , 董军 1
  • 1. 中国科学院 苏州纳米技术与纳米仿生研究所, 苏州 215123;
  • 2. 中国科学院大学, 北京 100049;
导出 下载 收藏 扫码 引用

随着心电图数据量快速增长,计算机辅助心电图分析也有着越来越广阔的应用需求。本文在基于导联卷积神经网络的临床心电图分类算法上提出多种策略,进一步提升其在实际应用中的性能。首先用不同的预处理方法和训练方法获得两个不同的分类器,接着用多重输出预测法来增强每个分类器的性能,最后用贝叶斯方法进行融合。测试了超过15万条心电图记录,所提方法的准确率和受试者工作特征曲线下面积(AUC)分别为85.04%和0.918 5,明显优于基于特征提取的传统方法。

引用本文: 金林鹏, 董军. 基于集成学习的临床心电图分类算法研究. 生物医学工程学杂志, 2016, 33(5): 825-833. doi: 10.7507/1001-5515.20160134 复制

  • 上一篇

    分化型甲状腺癌Galectin-3和人骨髓内皮细胞标志物表达及18F-FDG显像的研究与应用
  • 下一篇

    基于经验模态分解与独立成分分析的心肺复苏伪迹自适应滤除算法