基于熵和卷积神经网络的抗按压伪迹干扰心电自动识别模块研究

作者：夏鹏; 闫士举^*; 张立萍^*; 安芳; 张涛; 宋成利; 李宪龙; 王悦欣; 李思雨

来源：北京生物医学工程, 2023, 42(04): 377-383.

• 心电采集
• 心电分类
• 卷积神经网络
• 近似熵
• 胸外按压

目的 胸外按压及电除颤是救治心脏骤停患者的两种常用手段，对患者进行电除颤前需分析其心电图(electrocardiogram, ECG),而胸外按压会干扰患者的心电分析。本研究设计了一种用于心肺复苏的心电分析算法以及配套心电采集模块，以解决因胸外按压伪迹导致的心电误识别为室颤的问题。方法 该心电采集模块采用若干模拟数字电路搭建而成。自动分析程序采用经近似熵算法改进的卷积神经网络(convolutional neural network, CNN)模型进行心电分类。采用MIT-BIH心律失常数据库进行验证，并在实机测试中通过在心电采集模块中耦合同频段干扰进一步验证。结果 相比无近似熵改进版本的分类程序，使用该CNN模型分析程序可将含同频段伪迹的正常心电识别准确率由CNN的86.3%提升至97.78%;在存在同频段伪迹的实机测试中，使用该分析程序可将心电识别准确率由20%提升至96%。测试结果表明，当存在非同频段伪迹干扰时，该设计模块分类准确；当存在同频段伪迹的情况下，对正常心电信号的心电分类准确率依然高达90%以上。结论 基于熵和卷积神经网络模块的抗按压伪迹干扰心电自动识别性高、抗干扰能力强，后续可推荐其用于自动胸外按压电除颤一体机等高同频段伪迹场合的心电采集与自动诊断，以减少误判。

• 单位
  上海市第六人民医院; 上海理工大学