基于机器学习的心肺复苏干扰下心电节律识别算法研究
2021-06-25余明袁晶张广万宗明陈锋
中国医疗设备 2021年6期
余明,袁晶,张广,万宗明,陈锋
军事科学院系统工程研究院 卫勤保障技术研究所,天津 300161
引言
据最新研究数据表明,我国每年因心脏骤停(Cardiac Arrest,CA)的总死亡人数达到50万以上,位于全球之首[1]。近几年,越来越多地年轻人开始因为各种原因而出现心脏骤停,这也导致了心脏骤停患者数量快速攀升[2]。院外心脏骤停造成猝死的高发原因是难以得到及时抢救。若发病早期获得正确有效的心肺复苏(Cardio-Pulmonary Resuscitation,CPR)和体外电除颤,抢救成功的可能性会增加到60%以上。早期电除颤是复苏成功的关键因素,早1 min进行电除颤,患者得到成功救治的几率将会提高7%~10%[3]。
然而,胸外按压过程会造成心电信号中出现伪影(CPR伪迹),使我们对心电节律的分析区分变得更加困难。只有当CPR平均停止时间超过15 s时,现有的自动体外除颤器(Automated External Defibrillato,AED)才能进行可靠的检测[4]。这些中断间隔降低了恢复自发循环的可能性。近年来,越来越多的证据表明,减少胸压中断,增加血流灌注时间是提高CPR成功率的关键[5]。许多学者将研究精力放在滤波器的构建上,试图通过滤波方式,消除伪影对心电信号的干扰;虽然一些自适应滤波算法在很大程度上抑制了胸部按压的伪影,但心肺复苏术的残余伪影仍不容忽视[6-8]。所以有必要设计一种在心肺复苏干扰下辨识准确度更高、稳定性更强的一种算法[9-11]。
本文致力于研究一种基于机器学习的心肺复苏干扰下的心电节律识别算法,准确识别在心肺复苏干扰下的心脏节律,从而减少心肺复苏过程伪影中带来的干扰,提高CA患者的救治率。……
登录APP查看全文
