基于心电信号的心肌梗死分类关键算法研究.pdfVIP

摘 要 心血管疾病是对人类健康最普遍的威胁之一，而心肌梗死的高发病率与高死 亡率更是成为人类健康的头号敌人。心肌梗死发生后，大多数患者心电图 (Electrocardiogram, ECG)会出现特征性改变，呈现独特的心电图演变规律。尽管 近年来多项新的诊断技术问世，但是心电图检查以其无创、便捷、低成本等特点， 在心肌梗死诊断中仍占有最重要的地位。本文针对心电信号去噪、波形检测，心 肌梗死分类三大关键问题展开研究，旨在建立一套以心梗为研究重点的基于深度 学习技术的心电信号自动去噪、波形检测、分类模型，本文主要研究内容和创新 点归纳如下: (1) 去噪和波形检测阶段；以深度学习为研究基础，充分考虑心电信号的特 点，提出了 ECG-U-net 模型。通过不同的标签设计和后处理方法，可以将此模 型分别应用于心电信号的去噪与波形检测，创新型地利用一个模型解决心电信号 处理中的两大关键问题，并且都取得了不错的效果。 针对心电信号去噪；本文使用的干净 ECG 数据来源于苏州九龙医院临床数 据库，噪声信号来源于 MIT-BIH 噪声数据库，以信噪比和均方误差作为评价指 标，将本文提出的方法和传统的小波变换法、同属卷积网络类的 FCN 模型进行 对比，证明了本文提出的一维