科技工作者之家
科界APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2018-08-24
内容来源:中国科技论文在线
近日,中国科学院深圳先进技术研究院数字所生物医学信息技术研究中心研究员李烨课题组在穿戴式心电房颤检测领域取得新进展,其研究成果Multi-Scaled Fusion of Deep Convolutional Neural Networks for Screening Atrial Fibrillation from Single Lead Short ECG Recordings被健康信息期刊IEEE Journal of Biomedical and Health Informatics接收,第一作者为樊小毛。
心房颤动(房颤)是老年人群中最常见的持续性心律失常,与卒中、心力衰竭、冠心病等恶性事件发作高度相关。由于传统的房颤检测算法一般需要1-2分钟的心电信号来分析,无法满足穿戴式监测的应用场景。因此,通过短时穿戴式设备采集的体表心电信号快速准确地检测出房颤具有重要意义。
该工作提出了一种多尺度融合的深度卷积神经网络(MS-CNN),从单导联短心电图记录中筛选出房颤信号。MS-CNN采用具有不同滤波器大小的两路卷积神经网络的体系结构来捕获不同尺度的特征。实验结果表明,研究人员所提出的MS-CNN在5秒信号长度的情况下,房颤检测率的分类精度可达到96.99%。更为重要的是,研究人员在20秒的心电信号长度下,获得了98.13%的最佳分类准确率。同时,该工作对MS-CNN网络学习到的特征进行分析,可视化结果表明MS-CNN能够提取线性可分离心电信号特征。MS-CNN优异的心房颤动检测性能可以满足大多数老年人日常佩戴设备的心房颤动监测需求。
该工作得到中科院重点实验室、广东省重大专项、深圳基础研究、广东省应用专项等的支持。
论文链接
MS-CNN网络架构
MS-CNN特征学习可视化
来源:中国科技论文在线
原文链接:http://www.paper.edu.cn/community/details/N201808-98
版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。
电话:(010)86409582
邮箱:kejie@scimall.org.cn
2017中东电脑及网络信息展深圳展团受瞩目
孙楠副巡视员率团参加俄罗斯国际通信展
深圳深夜通报!
联合国人居署发布《深圳故事》推介深圳发展模式
2018美国西部安防展深圳科技展团受瞩目
深圳科普月 | 走进深圳红树林
“少年科普行”开启“丝路之旅”,就在深圳!
第二届深圳(国际)科技影视周开幕
深圳,永远年轻
2018人工智能应用创新峰会在深举办