魏中杰，许少华

(山东科技大学 计算机科学与工程学院，山东 青岛 266590)

0 引 言

心血管疾病是当今社会的头号死因[1]，因而基于心电信号(electrocardiogram，ECG)[2,3]的心血管疾病自动识别是当前医疗人工智能领域的热点问题，Kiranyaz等[4]提出了基于一维卷积神经网络并适用于可穿戴设备的心电信号识别方法；Zhou等[5]提出了一种一维卷积神经网络进行AF检测的方法；Pranav Rajpurkar等[6]建立了34层卷积神经网络，对14种心电图进行分类；Patrick Schwa等[7]建立了一种多样化的循环神经网络用于区分正常、窦性心律、心房颤动以及其它类型的心率失常；Hong等[8]提出了一种基于循环神经网络与决策树的方法对心房颤动进行诊断；Rajan等[9]提出了一种基于递归神经网络和随机森林分类算法的RNN+RF深度神经网络，采用多导联心电信号诊断心肌梗死；Acharya等[10]建立了11层卷积神经网络，对心力衰竭进行识别。

上述方法在对心电信号分类过程中存在一定的局限性：

(1)分类过程中大都采用一个或几个导联参与诊断，而医学诊断过程中不同种类心脏疾病的异常特征有时会出现在不同导联当中，因此上述模型大都无法扩展至更多种类的心脏疾病诊断当中。

(2)上述算法都从时变信号的角度出发，关注信号的数值变化，而医生在进行疾病诊断的过程当中需要参考病人的心电图形的变化，因而上述方法的诊断方式与医生的诊断过程相比缺少对于波形特征的参考，且无法同时处理信号与图像。

(3)上述方法当中大都基于心拍进行的分类诊断，因而在诊断之前需要心拍的分割，这里往往需要人工参与，增加标注的成本。……