深度学习单导心电信号房颤识别研究

摘要

阵发性房颤作为一种常见的心律失常,容易诱发心力衰竭、脑卒中等疾病。但因其发作时间短、信号难以捕捉致使检测困难,故阵发性房颤实时检测具有重要的临床意义。提出一种基于端到端一维神经网络的房颤识别方法。该方法将输入的原始数据通过卷积层自动提取心电特征,导入至5层感知器进行房颤识别。使用MIT-BIH数据库进行训练和验证,其灵敏度、特异性、阳性精确率、准确率分别为98.41%、97.76%、97.74%、98.07%。最终使用单导心电记录仪所采集的60例临床数据作为测试集进行测试,其灵敏度、特异性、阳性精确率、准确率分别为96.88%、89.29%、91.18%、93.33%,表明该算法具有较好的泛化能力。模型对单个样本处理时间为5ms,可为单导心电记录仪或实时云计算应用提供参考,并为临床提供辅助诊断。