周飞燕
- 作品数：5 被引量：1,692H指数：2
- 供职机构：中国科学院苏州纳米技术与纳米仿生研究所更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于分类器融合及诊断规则的室性早搏识别系统及方法
- 本发明公开了一种基于分类器融合及诊断规则的室性早搏识别系统及方法，所述系统包括：分类单元，包括用以独立处理心电图数据的LCNN分类模块和RNN分类模块，LCNN分类模块包括m个不同结构的第一分类器，至少用以输出m个第一分...
- 周飞燕金林鹏董军
- 文献传递
- 基于分类器融合及诊断规则的室性早搏识别系统及方法
- 本发明公开了一种基于分类器融合及诊断规则的室性早搏识别系统及方法，所述系统包括：分类单元，包括用以独立处理心电图数据的LCNN分类模块和RNN分类模块，LCNN分类模块包括m个不同结构的第一分类器，至少用以输出m个第一分...
- 周飞燕金林鹏董军
- 文献传递
- 室性早搏识别方法及室性早搏识别系统
- 本发明提供了一种室性早搏识别方法及室性早搏识别系统，包括：接收心电图信号；对所述心电图信号进行预处理；采用若干个分类模型对所述预处理后的心电图信号进行分类，获得若干个原始概率值；采用预定的融合决策规则对所述若干个原始概率...
- 周飞燕董军
- 文献传递
- 卷积神经网络研究综述被引量：1685
- 2017年
- 作为一个十余年来快速发展的崭新领域,深度学习受到了越来越多研究者的关注,它在特征提取和建模上都有着相较于浅层模型显然的优势.深度学习善于从原始输入数据中挖掘越来越抽象的特征表示,而这些表示具有良好的泛化能力.它克服了过去人工智能中被认为难以解决的一些问题.且随着训练数据集数量的显著增长以及芯片处理能力的剧增,它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然,因此也促进了人工智能的发展.深度学习是包含多级非线性变换的层级机器学习方法,深层神经网络是目前的主要形式,其神经元间的连接模式受启发于动物视觉皮层组织,而卷积神经网络则是其中一种经典而广泛应用的结构.卷积神经网络的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度,减少训练参数的数目,使模型对平移、扭曲、缩放具有一定程度的不变性,并具有强鲁棒性和容错能力,且也易于训练和优化.基于这些优越的特性,它在各种信号和信息处理任务中的性能优于标准的全连接神经网络.该文首先概述了卷积神经网络的发展历史,然后分别描述了神经元模型、多层感知器的结构.接着,详细分析了卷积神经网络的结构,包括卷积层、池化层、全连接层,它们发挥着不同的作用.然后,讨论了网中网模型、空间变换网络等改进的卷积神经网络.同时,还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具.此外,该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例,对卷积神经网络的应用作了归纳.卷积神经网络与递归神经网络的集成是一个途径.为了给读者以尽可能多的借鉴,该文还设计并试验了不同参数及不同深度的卷积神经网络来分析各参数间的相互关
- 周飞燕金林鹏董军
- 关键词：卷积神经网络网络结构
- 基于集成学习的室性早博识别方法被引量：8
- 2017年
- 本文提出了一种集成学习方法以提升室性早搏的识别性能.MIT-BIH两个通道的数据分别经过卷积神经网络进行室性早搏心拍分类,然后按照融合规则对分类结果进行融合决策,其准确率、灵敏度和特异性分别为99.91%、98.76%、99.97%,优于已有算法的室性早搏心拍分类结果.此外,面向临床应用,本文还利用卷积神经网络和诊断规则相结合的方法实现了病人间室性早搏识别实验,在有14万多条记录的数据集上,取得的准确率、灵敏度及特异性分别为97.87%、87.94%、98.02%,验证了该算法的有效性.
- 周飞燕金林鹏董军
- 关键词：室性早搏卷积神经网络
