计算机应用研究

作者：张丽娜,王博毅,张晨煜,姜天,申腾飞,

单位：西安科技大学人工智能与计算机学院,西安710600；

关键词：心电图分类,多尺度融合,注意力机制,多模态融合,

基金：西安市科技计划项目(22GXFW0063)；陕西省科技厅青年项目(2021JQ-575)；；

心电图作为反映心脏电活动的重要生理信号，是临床诊断心律失常等心血管疾病的重要依据。针对现有心电图分类方法在处理不同采样率数据时泛化能力不足的问题，提出了一种基于多尺度双重注意力与多模态融合的心电图分类模型。该模型引入自适应膨胀率学习机制，实现了对多种采样率心电图数据的统一建模，并结合协同注意力机制与患者临床信息的多模态融合以提升特征表达能力。实验结果表明，该模型在Chapman和CPSC-2018数据集上分别获得0.971 8和0.827 5的F1分数。在多采样率混合训练条件下，模型在未见过采样率的测试集上性能仅下降5%~8%，显著优于传统单采样率模型的20%~30%性能损失，展现出良好的泛化性能和临床应用潜力。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期