机构名称：
¥ 1.0
本文提出了一种基于1-D卷积神经网络（CNN）的ballistarcardiogram（BCG）分类方法，该方法为临床诊断提供了辅助基础，尤其是在老年人中心脏功能的监测中。四类BCG信号用作1-D CNN的输入。通过在时间轴上移动卷积内核，在保持频带相关性的同时，可以更好地满足BCG信号的时间变化。然后将它们发送到多层传感器，此后将软玛克斯分类器处理的功能分类。我们获得了93.39％的精度，其中H类为95.36％，C类为86.19％，D类为95.31％，Y类为96.57％。与现有的研究结果相比，提出的方法实现了出色的分类性能。此方法是简单，快速且高通用的，它可以作为老年人每天诊断心脏病的可靠辅助工具。
使用1-D
主要关键词
相关文件推荐
