机构名称：
¥ 2.0
可穿戴设备通常用于诊断心律不齐，但是心电图（ECG）监测过程会产生大量数据，这会影响检测速度和准确性。为了解决此问题，许多研究已将深层压缩传感（DCS）技术应用于ECG监测，这些技术可以不足采样和重建ECG信号，从而极大地优化了诊断过程，但是重建过程很复杂且昂贵。在本文中，我们为深度压缩感测模型提出了改进的分类方案。该框架由四个模块组成：预审查；压缩;和分类。首先，在三个卷积层中适应归一化的ECG信号，然后将压缩数据直接放入分类网络中，以获得四种ECG信号的结果。我们在MIT-BIH心律失常数据库和Ali Cloud Tianchi ECG信号数据库上进行了实验，以验证模型的鲁棒性，采用准确性，精确，灵敏度和F1得分作为评估指标。当压缩比（CR）为0.2时，我们的模型具有98.16％的准确性，平均准确度为98.28％，灵敏度为98.09％和98.06％的F1得分，所有这些得分都比其他模型更好。
基于压缩域的可穿戴设备中的ECG信号分类
主要关键词
相关文件推荐
