Automated Heartbeat Classification Exploiting Convolutional Neural Network With Channel-Wise Attention
创新点: ①提出了一种基于CNN的特定病人心跳分类方法。定制的神经网络提取不同接收场的多个空间特征和通道信息,提高分类性能。
②提出了一种记录内样本聚类方法,该方法有利于从数据库中选择具有代表性的训练节拍,高准确度,特别是对病理性搏动的检测
心拍分割: 数据库中标记的R峰的位置,从前一个R峰后的0.14s(50个点,采样率360)分割到下一个R峰前的0.14s
预处理: ①减少基线漂移:采用均值减(从每个点减去样本的平均值)来确保每个心跳段的值具有零均值
②考虑到不同的生理意义和波的可能叠加,每段心跳被分为三个子段(前QRS、QRS复合波和后QRS)。由于难以准确检测到QRS波群的边界,根据QRS波群的基本时间特征,将分离点分别设置为R峰前后的0.09s(采样率360的32个点)。QRS子段的长度是固定的(64),通过重采样将QRS子段的前QRS子段和后QRS子段缩放到与QRS子段相同的长度64。对两个心电通道进行预处理后,将64个长度的6个子段串接成独立的通道,形成1x64x6输入。