应用目标检测网络自动检测ECG信号所含噪声

发布时间：2021-04-27 19:20

　　现阶段的心电（ECG）信号去噪网络多通过滤波器滤除噪声,但是通常噪声滤除不彻底,从而造成ECG信号失真。基于此,本研究将目标检测网络用于ECG信号中的噪声检测,首先从MIT-BIT心律不齐数据库中筛选无噪声ECG记录,加入两种来自于MIT-BIH噪声压力测试数据库中的真实噪声,生成4个不同信噪比的含噪信号并构成训练及测试数据集。然后针对ECG信号的特殊性,对YOLOv3网络结构进行修改,设计YOLO-ECG目标检测网络,使用迁移学习策略训练目标检测网络。实验结果表明,本研究提出的网络在ECG信号中噪声检测时的F1值达0.955 8,具有良好的检测效果。 

【文章来源】：中国医学物理学杂志. 2020,37(08)CSCD

【文章页数】：9 页

【文章目录】：
前言
1 国内外研究现状
2 训练及测试数据集构建
3 ECG信号噪声检测网络
    3.1 YOLO目标检测网络
    3.2 YOLO目标检测网络结构
    3.3 YOLO-ECG目标检测网络结构
4 ECG信号所含噪声检测实验
    4.1 检测评价指标
    4.2 实验设备与设置
    4.3 训练过程
    4.4 不同噪声水平检测效果分析
    4.5 不同噪声类型检测效果分析
    4.6 不同网络性能评估与分析
5 结论


【参考文献】：
期刊论文
[1]基于自适应时间窗函数优化的心电特征波形识别[J]. 张金玲,崔彤,刘为斌.  北京邮电大学学报. 2019(04)
[2]自适应双阈值心电信号检测算法研究[J]. 陈耿铎,曾有灵,李喆.  暨南大学学报(自然科学与医学版). 2018(03)
[3]基于改进小波变换的QRS特征提取算法研究[J]. 张清丽,苏士美,王猛.  郑州大学学报(理学版). 2017(04)
[4]基于移动医疗的孕产妇健康监护系统[J]. 杜欣,曾伟杰,李承炜,薛俊伟,吴秀勇,刘寅佳,万宇欣,张忆茹,冀俞容,吴磊,杨勇哲,张越,朱滨,黄岳山,吴凯.  生物医学工程学杂志. 2016(01)
[5]中国心脏性猝死现状与防治[J]. 郭继鸿.  中国循环杂志. 2013(05)



本文编号：3164021