期刊简介
本刊为综合性医学学术期刊，反映该校学科科研进展与动态，刊登基础医学方面的研究成果及临床诊疗经验。主要栏目有：基础研究、临床研究、技术方法、经验交流、病例报告、科研管理、短篇报道等。读者对象为医学研究人员、医务工作者及医学院校师生。本刊被美国《医学索引》（IM）、《化学文摘》等收录，2005年中国科技信息所公布的影响因子为0.869。
往期目录
-
1999
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
-
2019
首页>南方医科大学学报杂志
- 杂志名称：南方医科大学学报杂志
- 主管单位：广东省教育厅
- 主办单位：南方医科大学
- 国际刊号：1673-4254
- 国内刊号：44-1627/R
- 出版周期：月刊
期刊荣誉：中国综合性医药卫生类核心期刊期刊收录：万方收录(中), 国家图书馆馆藏, JST 日本科学技术振兴机构数据库(日), 上海图书馆馆藏, 北大核心期刊(中国人文社会科学核心期刊), 知网收录(中), 文摘与引文数据库, 统计源核心期刊(中国科技论文核心期刊), 维普收录(中), CSCD 中国科学引文数据库来源期刊(含扩展版), CA 化学文摘(美)
基于DenseNet的心电数据自动诊断算法
赖杰伟；陈韵岱；韩宝石；季磊；石亚君；黄志聪；阳维；冯前进
关键词：心电预处理, 信号分帧, 深度可分离卷积, 密集连接型卷积网络
摘要：目的 使用卷积网络训练多导联心电图数据,并将新的心电数据准确地分类,为医生提供可靠的辅助诊断信息.方法 先用带通滤波器对数据进行预处理,使用信号分帧的方式调整不同长度的数据处于同样的大小,便于网络的训练测试;同时采用增加样本的方法扩充数据整体,增加异常样本的检出率;针对不同导联的差异性使用深度可分离卷积更有针对性地提取不同通道的特征.使用基于DenseNet的分类模型对多个标签分别训练二分类器,完成多标签分类任务.结果 对数据的正异常识别准确率可以达到80.13％,灵敏度,特异度和F1分别为80.38％,79.91％和79.35％.结论 本文提出的模型能快速并有效地对心电数据进行预测,在GPU上单个数据的运行时间约在33.59 ms,实时预测结果能满足应用需求.
友情链接