李兴秀，唐建军，华 晶

1.江西农业大学 计算机与信息工程学院，南昌 330045

2.江西农业大学 软件学院，南昌 330045

根据世界卫生组织提供的数据表明，心血管疾病的死亡率占世界死亡率的1/3，而心律失常是心血管疾病中最常见的一种病症，其表现为心脏功能的不规律，严重时甚至危及生命。因此，研究心律失常是诊治该类心血管疾病患者的重要工作之一。目前，诊断心律失常的有力工具是心电信号分析。通过监测患者的心电图，医务工作者可以识别出心律失常，然而这种通过人工视觉的检测与解释容易出错[1]。利用心电自动分析技术可以在心脏活动的实时监测中及时检测出异常心脏信息[2]，在早期检测出心律失常能够提高诊断效率并且节约人力与时间成本[3]。传统的机器学习方法以特征为中心[4]，因此分类器的性能很大程度上取决于提取特征的质量。近年来深度学习算法以其自动学习特征的优势，被越来越多地应用于医疗保健领域，如医学影像的识别与分割、时间序列数据的监测与分析等。基于深度学习的心律失常分类技术可以自动提取心电信号的低层和高层特征，以端到端的方式将输入的心电信号自动映射为心律失常的某个类型，避免了分类子过程之间的相互依赖（如QRS 复合波的提取）[5]。现有的心电信号分类方法通常包含小波变换等预处理步骤，但是其计算量会增加实时分类系统的时延。此外，部分方法未按照美国医疗仪器促进协会（Association for the Advancement of Medical Instrumentation，AAMI）标准[6]进行分类。……