期刊简介
本刊是国际医学物理学组织（ZOMP）的成员——中国医学物理学会会刊，是国内唯一全面涉及医学物理学各分支学科领域、国内外公开发行的专业性学术双月刊。读者对象是各大医院从事医学物理及相关人员、广大从事医学物理学学科研究的教学工作者以及医学物理学、生物物理学、生物工程学、医学和应用物理学等专业的工作者及博士、硕士研究生。
往期目录
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
-
2019
首页>中国医学物理学杂志
- 杂志名称：中国医学物理学杂志
- 主管单位：南方医科大学
- 主办单位：南方医科大学;中国医学物理学会
- 国际刊号：1005-202X
- 国内刊号：44-1351/R
- 出版周期：双月刊
期刊荣誉：中国科学引文数据库来源期刊期刊收录：国家图书馆馆藏, 万方收录(中), 上海图书馆馆藏, 知网收录(中), 统计源核心期刊(中国科技论文核心期刊), CSCD 中国科学引文数据库来源期刊(含扩展版), 维普收录(中)
结合迁移学习与深度卷积网络的心电分类研究
查雪帆；杨丰；吴俣南；刘颖；袁绍锋
关键词：心电节拍分类, 迁移学习, 深度学习, 二维深度卷积网络, 一维深度卷积网络, ImageNet数据集
摘要：为解决一维深度卷积网络(1D-DCNN)在心电分类方面存在的多类疾病识别不准、难以提取佳特征等问题,提出一种结合迁移学习与二维深度卷积网络(2D-DCNN)直接识别心电图像的方法.首先,截取R波前后75 ms内的心电信号,并将一维心电电压信号转化为二维灰度图像信号.接着,构建2D-DCNN对心电节拍样本进行分类训练,权值初始化采用在ImageNet大规模图像数据集上进行预训练的AlexNet参数值.本文提出方法在MIT-BIH心电数据库上进行性能验证,其准确率达到98％,并在不同信噪比下保持较高的准确率,证明了所述模型在心电分类上具有良好的鲁棒性.为了验证2D-DCNN的识别性能,实验部分与采用不同激活函数的1D-DCNN、近些年性能较好的深度学习方法进行比较.量化结果表明,结合迁移学习和2D-DCNN方法,比优1D-DCNN算法,其准确率提升2％、敏感度提升0.6％、特异性提高4％;在二分类与多分类任务中,均好于现有的其他算法.
友情链接