基于改进的LSTM增强心电图（ECG）分类方法

本发明公开了一种基于改进的LSTM增强心电图(ECG)分类的方法，属于生物医学信号处理领域。该方法包括以下步骤：S1：通过连续小波变换将心电信号从时域转换到频域，获取信号的时频特征；S2：构建包含四个卷积块的改进LSTM模块，每个块包括多个卷积层和批量归一化层，通过残差连接提高网络性能；S3：使用改进的LSTM层替换传统卷积层以减少计算和存储开销，提高分类效率；S4：将所有心电信号映射成八维向量，每一维代表一种心电信号的概率；S5：将处理后的向量与提取的特征结合，用于训练基于LSTM的分类模型。本方法采用MIT‑BIH心律失常数据库验证，实现了高准确性的心电信号分类。此外，还利用多分支变压器进行特征加权和融合，进一步增强了分类性能。该方法在心电图分析和临床应用中具有重要的实用价值。