吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (6): 1135-1142.
• • 上一篇
刘樱琪, 宋 杨, 李梓木, 罗 维, 黄新睿, 王昊丰
LIU Yingqi, SONG Yang, LI Zimu, LUO Wei, HUANG Xinrui, WANG Haofeng
摘要: 针对传统人工识别心电信号方法存在工作量大、 容易出错和现有心电监测设备仍然存在心电信号识别 类型少、 诊断精度不高、 过度依赖于网络服务等问题, 为提高心电监测设备性能, 基于深度学习技术设计了 心电信号 ECG(Electrocardiogram Signals)分析检测系统。 通过搭建 SENet-LSTM(Squeeze-and-Excitation Networks- Long Short Term Memory)网络模型实现心电信号 7 分类的自动诊断, 模型建立在一个采用 ADS1292R 作为心电 采集模块, STM32F103 作为数据处理模块, 树莓派作为中央处理模块的智能化硬件平台上, 该系统利用一体化 的高性能微型计算机树莓派进行计算分析, 为用户提供离线化的人工智能(AI: Artificial Intelligence) 服务, 同时模型的准确度和精确度分别为 98. 44% 和 90. 00% , 从而实现 ECG 的实时检测和准确分类, 为患者提供 精准的病情诊断。
中图分类号: