东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (11): 1539-1543.DOI: 10.12068/j.issn.1005-3026.2019.11.004
蒋芳芳1, 徐敬傲1, 李任1, 徐礼胜1,2
JIANG Fang-fang1, XU Jing-ao1, LI Ren1, XU Li-sheng1,2
摘要: 阵发性房颤具有发作突然且时间短的特点,而目前其临床诊断方法——心电信号,不适于日常监护,因此,提出一种基于心冲击信号(ballistocardiogram,BCG)的非接触式房颤自动检测方法.研究不同输入数据长度与不同网络深度的匹配关系,获取应用一维卷积神经网络(convolutional neural network,CNN)检测阵发性房颤的最优组合.通过2000组数据的测试,所提模型的最佳性能为:测试准确性94.8%、敏感性97.2%、特异性92.7%,为基于BCG信号的心律失常检测与远程日常家庭监护提供了可能性.
中图分类号: