-
题名基于单通道PPG信号的房颤检测深度学习模型
- 1
-
-
作者
刘凯华
潘晨阳
赵文栋
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《建模与仿真》
2025年第5期715-726,共12页
-
文摘
心血管疾病早期诊断具有重要意义,PPG信号结合深度学习技术为早期筛查提供了新途径。文章介绍了一种基于单通道光电容积脉搏波(PPG)信号的心血管疾病分类深度学习模型--ResGNet。ResGNet模型由数据预输入层、并行特征提取层和分类决策层三个核心模块构成。在特征提取阶段,采用了改进型ResNet与双向门控循环单元(BiGRU)的并行架构,分别用于捕捉PPG信号的空间和时间特征。通过挤压–激励(SE)注意力机制增强关键特征表示,并使用多层感知机(MLP)进行非线性映射,最终采用softmax函数输出分类结果。实验表明,在MIMIC III、MIMIC PERform AF及Arrhythmia Detection三个数据集上,ResGNet模型的准确率分别达到99.34%、98.91%和96.51%,显示出卓越的分类性能。特别是在复杂的心律失常分类中,相较于经典深度学习模型实现了更高的精确度和灵敏度。
-
关键词
光电容积脉搏波(PPG)
心律失常
房颤(AF)
resgnet
-
Keywords
Photoplethysmography(PPG)
Arrhythmia
Atrial Fibrillation(AF)
resgnet
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
