心电信号的房颤自动识别算法

为提高房颤识别的准确率和效率,提出基于心电信号的房颤自动识别算法.首先,采用二阶差分阈值法对R波进行初筛;然后,引入指数移动平均的方法动态验证初选出的R波,通过整体上移心电图、结合一阶差分阈值和实时调整窗口时间的方法解决影响R波准确率的问题;最后,基于临床经验,提出3条判别规则,从而筛选出相应的房颤片段.实验结果表明:文中算法的阴性预测率和特异性分别可达99.7%和99.8%,可有效帮助医生减少阅读量,提高工作效率和诊断准确率.     

运用双向长短期记忆模型的心拍分类算法

为提高心拍的分类效果,研究基于双向长短期记忆(BiLSTM)模型的深度学习算法.首先,采用“双斜率”法对心电信号进行预处理;然后,设计自适应阈值对预处理后的心电信号进行QRS波定位,并依据R波波峰分割截取心拍;最后,采用BiLSTM模型的深度学习算法对获取的心拍形态进行分类.使用MIT-BIH心率失常数据库验证算法有效性,实验结果表明:文中算法对正常或束支传导阻滞(N)、室上性异常(S)、心室异常(V)、融合(F)类型的敏感性分别为98.56%,97.10%,93.33%,79.52%,特异性分别为98.38%,98.08%,98.54%,99.65%;与传统的支持向量机等方法相比,文中算法能够进一步提高心拍分类的正确率.