计算机工程

作者：贺煜航, 刘棪, 陈刚

单位：1. 武汉大学 空天信息安全与可信计算教育部重点实验室, 武汉 430072;2. 武汉大学 国家网络安全学院, 武汉 430072

关键词：心电图,图卷积网络,残差神经网络,注意力机制,多标签分类,PTB-XL数据集

基金：国家自然科学基金（U1936107）。

心电图分析是一种被广泛应用的心脏疾病诊断方法。传统的心电图分析严重依赖医生个人水平，容易出现误诊、漏诊现象，效率较低，且不能有效利用高频信号提供的有价值信息。基于卷积神经网络（CNN）的心电图自动分类方法在一定程度上提高了诊断效率，但依然存在对高频信息利用不充分的问题，且单一的卷积神经网络由于受感受野的限制和权重共享的影响，导致无法充分利用全局信息，分类准确率有待提高。提出一种基于注意力机制与图卷积网络的心电图多标签分类模型MLECG-AGCN，通过设计基于注意力机制的CNN网络，提高网络对高频信号的利用率。引入图卷积网络，以有效利用全局信息和特征空间邻域样本信息，从而协助样本进行分类，提高分类结果的准确率。基于注意力机制的CNN网络通过高通滤波器突出原始信号的高频位置，生成注意力图，并将注意力图嵌入到原始信号中，增强网络关注高频信号的能力。在PTB-XL数据集上的实验结果表明，基于注意力机制的CNN网络与自适应图卷积网络的结合有效提高了心电图分类精度，与Multi-ECGNet、ResNet18、ResNet101等模型相比，MLECG-AGCN模型取得了较高的AUROC值，为0.943 639。

来源：2022年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第12期