基于改进MobileNetV3的隐匿性房室旁路心电图识别模型

摘要：针对MobilenetV3模型在隐匿性房室旁路心电图识别任务中计算量大、性能不佳，导致难以直接部署至移动嵌入式设备中的问题，文章提出了一种融合Ghost模块、量化感知训练和精准门控机制的改进MobileNetV3模型。首先，在MobileNetV3的瓶颈结构中引入Ghost模块，加强模型的浅层特征提取能力；其次，在MobileNetV3的卷积层上使用量化感知训练，减少模型计算量；最后，采用精准门控机制，增强MobileNetV3模型的泛化能力和深层特征提取能力。通过在ECG12心电图数据集上进行实验，结果表明，改进MobileNetV3模型的计算量为13.94M，缩减为MobileNetV3模型的9.29%，且其准确率为95.64%，可满足移动嵌入式设备的部署要求，用于隐匿性房室旁路的心电图识别。

关键词：MobileNetV3;Ghost模块;量化感知训练;精准门控机制;隐匿性房室旁路心电图识别;