王 波，邓 科

(西安交通大学 智能网络与网络安全教育部重点实验室，陕西 西安 710049)

心电图用以记录心电活动，心电异常活动会引起心律失常。文中的心电图数据来自MITBIH数据集，选取了数据集中最多的5类作为心电图识别的对象，分别为正常节拍(N)、左束支传导阻滞(LBBB)、右束支传导阻滞(RBBB)、室性早搏(PVC)和房性早搏(APB)。

目前的心电图识别算法主要有3种，分别为基于波形形状的识别算法[1]；基于波形特征的识别算法[2]以及基于深度学习的自动特征提取算法[3]。ZHU等利用波形形态学特征，并提取RR间期和QRS波时限等特征，利用支持向量机将心电图分为5类，最终的分类结果达到97.8%[4]，该方法对心电图质量要求较高，抗干扰能力差，需对各波形准确定位，诊断准确率也较低。吕卫等人采用S变换提取心电图特征，然后利用支持向量机作为分类器的识别方法，将心电图分为8类，最终的识别效果达到96.4%[5]，该方法训练时间较短，但高维心电图信号是复杂的，单一的分类器不能很好地完成识别任务。庞彦伟等人利用深度卷积神经网络的方法将心电图分为5类，准确率达到98%[6]，该方法避免了人工提取特征，但训练时间较长，识别的准确率依赖于网络结构，不易设计出合适的卷积网络，对数据的要求较高。

基于上述总结，由于心电图数据失衡以及分类器单一对心电图信息利用不充分，传统的心律失常识别方法分类效果较差，因此笔者设计了一种新型的心律失常识别方法。

1 心律失常……

登录APP查看全文