首页|期刊导航|物联网技术|基于CNN-LSTM-Attention的心跳信号检测方法研究

基于CNN-LSTM-Attention的心跳信号检测方法研究OA

中文摘要

生命信号检测在健康监测与临床诊断中具有重要意义。传统方法依赖人工特征提取,面对信号噪声与个体差异时识别效果较差。为此,文中提出一种融合卷积神经网络(CNN)、长短期记忆网络(LSTM)与注意力机制(Attention)的混合深度学习模型,用于高精度心跳信号检测。CNN能有效提取局部特征,LSTM具备对时序数据的长期记忆能力,而注意力机制可对关键特征进行动态加权,从而提升模型处理复杂时变信号的鲁棒性。实验结果表明,该混合模型在仿真数据上的检测性能优于单一模型,取得了更高的准确率与稳定性。

祝钊骏;简必建;陆欣欣;吴克祥

贺州学院人工智能学院,广西贺州542899贺州学院人工智能学院,广西贺州542899贺州学院人工智能学院,广西贺州542899贺州学院人工智能学院,广西贺州542899

信息技术与安全科学

心电信号深度学习卷积神经网络长短期记忆网络注意力机制心律失常

《物联网技术》 2026 (15)

P.61-65,70,6

贺州学院校级科研项目(2024HZZK06)广西高校中青年教师科研项目(2025KY0804)。

10.16667/j.issn.2095-1302.2026.15.012

评论