控制理论与应用

作者：李磊,廖桂鑫,蔡瑞涵,李珍妮,吕俊

单位：广东工业大学,广东工业大学,广东工业大学,广东工业大学,广东工业大学

关键词：心电图基准点检测; 编解码模型; 时域卷积神经网络

基金：国家自然科学基金项目(62073086, 62273106), 广东省自然科学基金项目(2022A1515011445)

基准点检测是心电图(ECG)诊断分析的基础. 但是, ECG具有波形变异性, 且经常受到各种伪迹和噪声的干扰, 使得基准点检测精度受限. 针对该问题, 本文首先构建概率图模型, 分析各频带ECG成分与基准点检测任务之间的推断关系. 然后, 在此概率图模型的启发下提出了一种多频段多任务编解码网络. 该网络先分别对不同频段的ECG成分进行一维卷积变换提取特征. 然后, 通过时域卷积模组学习各频段特征的注意力掩码以抵御噪声. 最后,利用多分支关联结构, 实现多个ECG基准点的联合检测. 在MIT-BIH QT和LUDB数据集上的五重交叉验证实验结果表明: 所提方法能够有效地提高ECG基准点的检测精度, 达到了当前最优的水平.

来源：2024年第8期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第8期