基于多核卷积和多头自注意力的心电图身份识别方法

为提高心电图身份识别过程中神经网络的训练效率及识别正确率,提出一种基于多核卷积和多头自注意力的心电图身份识别方法.首先,利用多个大小不同的卷积核对预处理后的单个心拍进行特征提取;然后,采用多头自注意力模块加强卷积通道中全局特征的提取效果;接着,将特征通道一分为二进行半实例归一化,使多头自注意力模块能够关注归一化前后的特征,提升神经网络的收敛速度;最后,将多核多头自注意力模块进行ResNet残差连接.该方法在QT数据集上经过20个epoch训练,实现了 94.92％的识别正确率.利用ResNet进行对比实验的结果表明,该方法能够有效地提升神经网络的训练效率及识别正确率.