基于并行架构和时空注意力机制的心电分类方法

彭向东,潘从成,柯泽浚,朱华强,周肖

Classification method for electrocardiograph signals based on parallel architecture model and spatial-temporal attention mechanism

Xiang-dong PENG,Cong-cheng PAN,Ze-jun KE,Hua-qiang ZHU,Xiao ZHOU

表 5 本文方法与其他方法的分类效果对比

Tab.5 Comparison of classification performance by proposed network and other methods

方法 类别 方法 OA/% Spe/% Sen/% Macro-F1/% 文献[19]方法 5 CNN-LSTM 98.10 98.70 97.50 — 文献[30]方法 5 FCMDBN 96.54 — 98.32 — 文献[31]方法 8 4-layer LSTM 99.26 99.14 99.26 — 文献[32]方法 5 CAE + LSTM 99.23 — — — 文献[20]方法 5 STFT + 2-DCNN 99.0 — — — 文献[18]方法 5 CNN + BLSTM 95.90 — 95.90 95.92 文献[21]方法 4 CNN + BLSTM 99.56 99.47 95.90 96.40 文献[27]方法 5 HCRNet 98.70 — 99.28 99.38 本文方法 5 PSTA- Net 99.50 99.61 96.20 97.08