仪器仪表学报

作者：鲍宇，殷佳豪，刘世杰，杨轩，朱紫维

单位：鲍宇,中国矿业大学计算机学院徐州221116；矿山数字化教育部工程中心徐州221116,,殷佳豪,中国矿业大学计算机学院徐州221116,,刘世杰,中国矿业大学计算机学院徐州221116,,杨轩,中国矿业大学计算机学院徐州221116,,朱紫维,中国矿业大学计算机学院徐州221116,

关键词：加速度波形评估;一维卷积神经网络;脉冲识别与波形分割;弱监督学习策略;一维GradCAM可视化

基金：国家重点基础研究发展计划(973计划)(2013CB227900)、徐州市应用基础研究项目(KC17073)资助

传统的基于加速度波形积分的心脏胸外按压评估方法受噪声和积分时延影响,在计算距离时存在较大误差,评估效果不理想。为此,在弱监督学习策略与波形分割的基础上,提出了一种基于一维卷积神经网络的心脏按压加速度波形识别算法,实验结果表明,一维卷积神经网络达到了99?4%的正确率,明显优于传统的积分方法和BP神经网络算法。进一步采用Grad?CAM方法对评估结果进行可视化分析,发现卷积神经网络所关注的特征集中于开始按压至按压到达平衡位置，以及此次按压松手后反向加速度达到最大值至下一次按压开始这2个阶段的加速度波形变化情况。此外该评估模型不再需要对按压距离进行精确测距,因而不受按压遮挡、电磁波干扰等因素的影响,可以实时检测按压是否规范有效,在复杂环境中也具有较高的鲁棒性,在医疗急救领域中具有一定的实用价值。

来源：2019年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第5期