熊 慧，梁美玲，刘近贞

(天津工业大学 电气工程与自动化学院，天津 300387)

心电图(electrocardiogram, ECG)用于表征心脏的电活动，心血管疾病的死亡率居各类疾病的首位，且患病率和死亡率逐年上升.心律失常是心血管疾病的一种常见的表现形式，心律失常类型的识别是该类心血管疾病治疗的关键.心律失常类型自动识别方法分为传统机器学习和深度学习.传统机器学习用于心律失常分类的流程包括：特征提取、特征选择和分类[1-2].Thomas等[3]利用离散小波变换和双树复小波变换对4种类型的心拍进行特征提取和特征选择，浅层人工神经网络用于分类.Acharya等[4]结合了离散余弦变换、经验模式分解和离散小波分析用于特征提取和选择，机器学习K近邻作为分类器用于心律失常分类.Li等[5]用小波包熵分解提取特征，随机森林进行心跳分类，准确率达到94%以上.虽然传统机器学习算法的分类效果很好，但是这些方法局限于特征提取和特征选择需要人工设计，而人工设计的策略不能保证可靠的鲁棒性，容易引起过拟合问题.

深度学习方法将特征提取和特征选择集成到模型中，不需要手工构建特征且具有很好的泛化能力，使计算机能够自动地学习和提取任何给定问题的相关特征.随着数据和结果的积累，系统的模型性能可以不断提高.卷积神经网络(convolutional neural network, CNN)是一种深度学习的典型框架，卷积层可以通过不同的卷积核获得不同的感受野，实现自动特征提取，在推荐算……