基于卷积神经网络的心电图心博识别

作者：王自强; 刘洪运; 石金龙; 王卫东^*

来源：中国医学物理学杂志, 2019, 36(08): 938-944.

• 心律失常
• 心搏类型识别
• 卷积神经网络

心电图分析是诊断心律失常的最主要手段,心搏类型是诊断心律失常的重要信息,心搏的自动识别也是心律失常自动诊断的重要步骤。本研究尝试采用卷积神经网络自动识别心搏类型,使用的心电数据来源于MIT-BIH心律失常数据库,将心电信号的形态特征作为输入,采用端对端学习的网络结构。经过十折交叉验证测试。本研究网络识别13种心搏类型的平均准确率为99.24%,特异度达到99.59%。对于叠加不超过0.4 mV随机噪声的心电信号,本研究网络的识别准确率为99.07%。此外,将数据库的其中一个病人作为实测数据,得到的阳性预测为99.19%。研究结果表明文章的网络能自动学习输入特征,准确识别较多种类心搏且对噪声具有鲁棒性,为接下来的心律失常自动诊断提供可靠基础,同时也可能为基于心电图分析的其他相关诊断提供辅助决策支持。

• 单位
  中国人民解放军总医院; 北京航空航天大学