基于XResT网络的多标签心电分类算法
张雨龙
韩澍泽
李钰雯
刘澄玉
东南大学仪器科学与工程学院,数字医学工程全国重点实验室,南京 210096
摘要：针对传统卷积神经网络在特征提取过程中,因尺度限制导致层级特征信息利用不足的问题,本研究基于残差卷积网络与Transformer编码器提出了深度特征融合的心电信号多标签分类模型XResT.首先,通过改进的ResNet101骨干网络实现心电信号多层次局部特征的深度挖掘;然后,采用Transformer编码器进行全局特征增强,并设计跨层注意力机制实现局部与全局特征的动态融合.在CPSC-2018公开数据集上的对比实验表明,本模型准确率为96.43％的同时,多标签分类平均F1分数达到82.87％,较现有基准模型提升了 3％.消融实验验证了跨层注意力机制对室性早搏等复杂心律特征的有效性.本研究提出的特征融合框架为心电信号多层次特征提取提供了新思路,对提升心律失常自动诊断系统的临床适用性具有显著意义.
关键词：心电分类多标签特征融合多层次特征注意力机制
分类号：R318(医用一般科学)TP181(自动化基础理论)
资助基金：国家自然科学基金(62171123)国家重点研发计划(2023YFC3603600)
论文发表日期：2025-04-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 67-74 )
英文信息