
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于临床时间频率感知注意力网络的可穿戴物联网心血管疾病分类研究
《Scientific Reports》:CTF-ANET: Clinical Time Frequency Aware-Attention Network for cardiovascular disease classification in wearable IoT network
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Reports 4.9
编辑推荐:
摘要心血管疾病是全球疾病和死亡的主要原因。心血管疾病的持续监测和早期识别对预防至关重要。配备传感器的可穿戴物联网设备的进步,例如心电图(ECG),已彻底改变了健康监测方式,使得在医疗场所外收集数据成为可能。然而,现有的心血管疾病分类方法通常难以应对临床数据库的动态特性和复杂性
心血管疾病是全球疾病和死亡的主要原因。心血管疾病的持续监测和早期识别对预防至关重要。配备传感器的可穿戴物联网设备的进步,例如心电图(ECG),已彻底改变了健康监测方式,使得在医疗场所外收集数据成为可能。然而,现有的心血管疾病分类方法通常难以应对临床数据库的动态特性和复杂性,需要开发更精细的技术。在本研究中,我们提出了一种临床时间频率感知注意力网络(CTF-ANET),用于可穿戴物联网网络中的心血管疾病分类。首先,进行可穿戴物联网网络仿真,然后从可穿戴物联网传感器获取心电图信号。接着,利用基于邻域差异的异常检测(ODND)算法进行异常信号检测,并移除异常信号。之后,提取临床和联合时间特征,然后完成基于变换的特征成分增强。最后,使用CTF-ANET进行心血管疾病分类。这里,提出了基于Grunwald-Letnikov导数的学习规则来训练CTF-ANET。此外,CTF-ANET达到了96.641%的最高准确率、95.675%的敏感度和96.966%的特异性。