多尺度深度神经模糊网络

心律失常分类更准

融合深度学习与模糊逻辑，在多尺度特征上自动诊断心律失常，比现有方法更准确、更稳健。

Xin, Wang · Lv, Jianhui · Kim, Byung Gyu · Parameshachari, B. D. · Keqin, Li · 杨东升 · Shankar, Achyut

IEEE Transactions on Fuzzy Systems 2024

技术优势

分类更准

模型在多尺度特征上融合深度学习与模糊逻辑，在多个数据集上验证准确性优于现有方法。

多尺度适配

模型能适应心电信号中不同频率和时间尺度的特征，无需人工设计多套处理流程。

参数寻优高效

粒子群优化算法高效搜索参数空间，提升模型性能的同时避免对计算资源的过高要求。

应用场景

• 心电诊断：用于心律失常自动分类，辅助医生提升诊断效率。
• 可穿戴心电监测：实时分析可穿戴设备采集的心电信号，提供即时分类。
• 生物信号智能分析：多尺度特征融合与模糊逻辑处理复杂生物信号。