MTF-ResNet心电诊断模型

免预处理高精度五分类

将一维心电信号经马尔可夫转移场转为二维图像，利用ResNet提取抽象特征，在MIT-BIH上实现五类心搏高精度诊断，并具备跨数据集泛化能力。

Ji, Lipeng · Hai, Jiang

Computer Methods and Programs in Biomedicine 2023

参数信息

F1分数

97.7 %

准确率

99.2 %

平均灵敏度

97.42 %

平均特异度

99.54 %

泛化验证准确率

94.57 %

技术优势

准确率更高

模型在MIT-BIH数据库上的准确率达到99.2%，高于其他研究者的模型。

无需预处理

该方法无需任何数据预处理，直接将原始心电信号转换为二维矩阵输入网络，简化了流程。

泛化能力强

在PAFPC数据库上验证，准确率达到94.57%，高于其他研究，证明了模型的泛化能力。

应用场景

• 可穿戴心电监测：直接将模型部署到可穿戴设备上，实时分类五类心搏。
• 心电信号智能诊断：替代人工分析，无需专业知识即可自动诊断心电信号。
• 心律失常筛查：准确识别五类心搏，辅助大规模心律失常筛查。
• 远程心电监护：用于远程监护系统，实时分析传输的心电信号。