杨 坤 杨小童 陈月明

（安徽医科大学生物医学工程学院 合肥 230032）

1 引言

心血管疾病是一种常见的慢性非传染性疾病，根据国家心血管病中心组织编撰的《中国心血管病报告2018》［1］和美年大健康在2020年4月29日发布《健康中国·体检大数据心血管健康报告》显示，心血管疾病严重危害人们的身体健康，是导致国居民死亡的重要原因之一。心电图（Electrocar⁃diogram，ECG）诊断是检测心脏疾病最基础、最常用的方法，而人工诊断的误诊率较高，同时面临相应的医疗资源显著不足的现状。因此利用计算辅助系统实现对心电异常的智能诊断具有极其重要的实际意义和临床价值。

针对上述问题，本文的主要贡献在于：首先，针对数据集样本分布不均匀问题，使用生成式对抗神经网络扩充训练的数据集；其次，为了减少采样数据与数据存储空间，使用压缩感知理论对心电信号进行压缩与重构，进一步降低了心电异常模型的复杂程度。

本文提出的研究框架如图1所示，主要包括四个部分：预处理、压缩与重构、数据增强、特征学习与分类。心电信号预处理的过程包括使用小波阈值对实际数据集中的心电信号数据去噪处理、心拍划分以及训练集和测试集的划分；其次使用压缩感知模型对数据进行压缩并重构；利用生成对抗网络WGAN的生成器生成数据集中样本少的心电数据，解决数据集中样本不平衡的问题，即对较少的样本类别应用数据增强方法，得到最终的训练集；最后利用经过训练卷积神经网络网络模型对测试集进行分类。……