基于一維卷積神經網絡的房顫智能診斷方法研究

謝勝龍， 張為民， 魯玉軍， 張文欣， 朱俊江， 任國營

(1.中國計量大學 機電工程學院，浙江杭州310018；2.浙江西子重工機械有限公司，浙江嘉興314423； 3.中國計量科學研究院，北京100029；4.浙江理工大學 機械與自動控制學院，浙江杭州310018)

1 引 言

心房顫動(atrial fibrillation, AF)簡稱房顫，是臨床上一種常見的心律失常現象，其發病率約為0.4%～1.0%[1]。房顫本身并不具備太多危害，但卻是諸多高危疾病的誘因，隨之而來的冠心病、腦卒中(中風)、心肌梗死等并發癥，嚴重危害著人類的健康和生命安全[2]。因此，及時發現與預測房顫，具有十分重要的臨床和社會意義。近年來發展起來的無線傳感技術與可穿戴式數據采集設備推進了可穿戴式心電監護設備的研發與應用，使醫療信息呈幾何倍數增長，人們進入了醫療大數據時代。然而，現有心電信號的診斷主要是在經過心電圖儀及配套分析軟件對心電圖(electrocardiogram, ECG)中可疑波段初步篩選后，依靠醫師的經驗進行人工診斷，這嚴重制約了可穿戴式心電監護設備和移動醫療的推廣。

由于產生房顫時，心電圖信號主要表現為P波消失，取而代之的是一系列大小不一、方向不同和形態各異的心房紊亂激動波(f波)信號[3],因此，基于P波與f波的幅值、頻譜信息首先被廣泛應用于房顫診斷中。文獻[4]基于P波特征，采用高斯混合模型對心電圖信號進行分類研究，文獻[5]采用經驗模態分解的方法來提取P波分量及其相應參數來進行房顫診斷，均取得了較好的效果。王德璽等[6]為了提取f波，采用獨立成分分析(ICA)以及ICA與二階盲辨識法(SOBI)結合的2種盲信號分離方法對9位房顫病人的體表標測信號進行f波提取；……