煤矿工人心律失常检测的 LSTM-CNN T波识别方法_中国煤炭行业知识服务平台

煤矿工人心律失常检测的 LSTM-CNN T波识别方法

作者

史健婷孙骏
单位

黑龙江科技大学计算机与信息工程学院
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18 000个,测试样本为7 700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。
关键词

煤矿安全心律失常T波识别长短期记忆神经网络卷积神经网络
基金项目(Foundation)

黑龙江省省属高校基本科研业务费项目（2018-KYYWF-1189）；
文章目录

0 引言
1 数据预处理
2 心电图T波段选取
3 算法设计
3.1 LSTM-CNN组合的神经网络模型
3.2 鲸鱼优化算法
3.3 WOA优化LSTM-CNN神经网络模型
4 实验与结果分析
5 结论
引用格式

史健婷,孙骏.煤矿工人心律失常检测的 LSTM-CNN T波识别方法[J].黑龙江科技大学学报,2021,31(02):234-239.