心电特征引导下的自监督房颤异常检测方法.pdfVIP

2082025，61（2）ComputerEngineeringandApplications计算机工程与应用

心电特征引导下的自监督房颤异常检测方法

112+13

陈鹏，邓淼磊，樊好义，张德贤，韩涵

1.河南工业大学信息科学与工程学院，郑州450001

2.郑州大学计算机与人工智能学院，郑州450001

3.哈尔滨理工大学测控技术与通讯工程学院，哈尔滨150006

+通信作者E-mail：fanhaoyi@

摘要：心电异常检测旨在发现心电数据中异常的模式，例如房颤特征或无效干扰信号特征。针对心房颤动心电异

常，提出了一种简单有效的自监督房颤异常检测方法，称为心电特征引导下的房颤异常检测器（electrocardiogram

featureinducedatrialfibrillationdetector，EFAFD），通过引入P波掩码和心率变异性指标预测多任务学习策略，指

导模型学习房颤心电P波消失和RR间期绝对不齐等医学特征，提高模型对房颤异常心电模式的判别能力。具体

地，将P波掩码心电数据通过自编码器重构原始的心电数据，学习房颤心电P波易消失的特征。同时，将心率变异性

指标的预测任务整合到自编码器框架中，学习房颤心电RR间期绝对不齐的节律特征。通过度量心电的重构误差，

实现房颤心电的检测。在真实的动态心电数据集上评估了所提出的方法，包括CPSC2021数据集和Icentia11k数据

集。EFAFD模型的AUC分别达到了81.85%和92.46%。实验结果表明，所提出的方法在房颤异常检测方面优于现

有的方法。

关键词：心电图；时间序列；异常检测；自监督学习；房颤检测；自编码器

文献标志码：A中图分类号：TP181doi：10.3778/j.issn.1002-8331.2309-0166

Self-SupervisedAtrialFibrillationAnomalyDetectionMethodGuidedbyElectrocardiogramFeatures

112+13

CHENPeng,DENGMiaolei,FANHaoyi,ZHANGDexian,HANHan

1.CollegeofInformationScienceandEngineering,HenanUniversityofTechnology,Zhengzhou450001,China

2.SchoolofComputerandArtificialIntelligence,ZhengzhouUniversity,Zhengzhou450001,China

3.CollegeofMeasurementandControlTechnologyandCommunicationEngineering,HarbinUniversityofScienceand

Technology,Harbin150006,China

Abstract：Electrocardiogram(ECG)anomalydetectionaimstofindabnormalpatternsinECGdata,suchasatrialfibrilla-

tionfeaturesorinvalidinterferencesignalfeatures.Asimpleandeffectiveself-supervisedanomalydetectionmethodhas

beenproposedforatrialfibrillationECGdisease,calledelectrocardiogramfeatureinducedatrialfibrillationdetector

(EFAFD).Inthismethod,theP-wavemaskandheartratevariability(HRV)indexareintroducedthroughamulti-task

lea