煤矿工人心律失常检测的LSTM-CNN T波识别方法
Journal of Heilongjiang University of Science and Technology（2021）
摘要
为更好地保护煤矿工人的身体健康,提出一种长短期记忆神经网络和卷积神经网络组合的T波识别算法.采用卡尔曼滤波器预处理数据,提取特征,利用鲸鱼优化算法求得神经网络参数的最优解,以464名某煤矿公司井下一线作业工人的心电数据作为样本,训练集样本为18000个,测试样本为7700个,验证模型的有效性与准确率.结果表明,与现有方法相比,所提方法能够有效识别出T波异常变化形态,识别准确率达到99.35％.该算法可用于煤矿井下工人的心律失常检测.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要