声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：朱兆坤,李金宝,
关键词：阻塞性睡眠呼吸暂停, 心电信号, 预处理, 长短时记忆, 循环神经网络,
阻塞性睡眠呼吸暂停(obstructivesleepapnea,OSA)是最常见的睡眠呼吸疾病，它对人体的很多生理系统尤其对心血管系统是一个潜在的威胁.现有使用心电信号(electrocardiograph,ECG)提取浅层特征检测OSA的方法在长片段、高噪声的ECG信号和大数据集上表现较差.针对上述问题，提出一种多特征心电信号融合的长短期记忆循环神经网络，融合从ECG信号中提取的多种浅层特征信号，通过在融合信号上学习深层特征来检测OSA，提升模型在长片段ECG上的检测准确率和大数据集上的泛化能力.同时还针对浅层特征信号提出一种有效的数据预处理方法，用以突出OSA的时序变化，提高神经网络训练的收敛性，并降低由异常值噪声带来的影响，进一步提升模型在高噪声ECG片段上的检测准确率.实验证明：提出的方法在片段OSA检测准确率上优于已有的方法.
来源：2020年第12期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。