心电图是诊断心律失常的重要手段。在日常健康监测中,严重的噪声污染、反向引线连接等使得无法满足后续自动诊断的要求。因此,进一步评价心电图质量,筛选出符合后续诊断要求的心电图具有重要意义。然而,复杂的干扰因素影响了信号的质量,给质量评估带来了巨大的挑战。此外,目前的算法依赖于波形检测,这也带来了额外的累积误差。同时,现有算法在评估过程中无法直观地表示对心电信号的关注度。本文提出了一种新的心电质量评价方法(ACNN)。ACNN直接针对整个ECG信号,并且不检测ECG信号的波形。然后,ACNN使用卷积块提取深层特征,并设计一个新的注意层来增强结果的有益特征。最后,利用全连通层进行最终质量评价。与现有方法相比,ACNN具有更好的性能,敏感性为100.0%,特异性为83.33%,准确性为98.0%,表明ACNN可以应用于临床场景。
我们使用cookie为您提供最佳体验。它们还允许我们分析用户行为,以便为您不断改进网站。关于隐私政策IOS出版社。