高 钰,李 彬,房毅宪

齐鲁工业大学(山东省科学院) 数学与统计学院,济南 250353

随着社会的进步与发展,大众对智慧医疗服务需求的提升使传统的医疗服务体系已经无法满足人民对医疗保健的迫切需要,结合大数据、机器学习、深度学习等的智能医疗为此开辟了新的路径。心电图信号识别问题是医学诊断与人工智能相结合的一个热点问题。ECG可以及早的检测出心律不齐、早搏以及急性心肌梗死等多种心脏疾病,是心血管疾病诊断的重要依据。心电图信号包含心脏病变的基本信息,特征是五个被称为基准点的峰值,以字母P、Q、R、S和T表示,如图1所示。QRS波是左右心室的去极化,用作信号分析的参考点。P波是心房去极化的结果,而心室引起其余的波峰。信号的筛查、诊断和检测依赖于波的形态,以及每个峰值的持续时间和组成它的片段。例如,当QRS波变大变宽时,可能发生室性早搏。

图1 心电信号特征波段

1 研究现状

深度学习和医学的结合,已经成为智能医疗领域的重要研究课题和新的发展趋势。目前除了QRS波定位检测算法已经足够成熟可靠外,其它波段的定位算法可靠性都不高。如果不能对这些波段进行精准定位,那将在很大程度上影响分类器精度。现在大多数采用传统机器学习框架的论文都采用了这样一种方法:使用一些数学变换处理ECG信号,得到较少的系数,用这些系数来表征心拍,从而实现对异常信号的检测。王莉莎等[1]基于小波张量化与Tucker分解的ECG分类算法:将心电信号分帧后进行小波分解；……