摘要：心電圖(ECG)信號在采集過程中容易受內(nèi)部和外部噪聲干擾,而且不同患者的ECG信號形態(tài)特征差異較大,即使同一患者在不同時間和環(huán)境下其ECG信號也會有差異,因此ECG信號特征檢測與識別在心臟病遠程實時監(jiān)測與智能診斷中具有一定難度?；诖?本研究提出將小波自適應(yīng)閾值去噪和深度殘差卷積神經(jīng)網(wǎng)絡(luò)算法用于多種心律不齊的信號識別過程中。其中,使用小波自適應(yīng)閾值技術(shù)完成ECG信號濾波,并設(shè)計了包含多個殘差塊(residual block)結(jié)構(gòu)的20層卷積神經(jīng)網(wǎng)絡(luò)(CNN),即深度殘差卷積神經(jīng)網(wǎng)絡(luò)(DR-CNN),對5大類心律不齊ECG信號進行了識別。然后,本文采用殘差塊局部神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)單元構(gòu)建DR-CNN,緩解了深層網(wǎng)絡(luò)的收斂難、調(diào)優(yōu)難等問題,克服了CNN隨著網(wǎng)絡(luò)層數(shù)增加而導(dǎo)致的退化問題;進一步引入批標準化(batch normalization)技術(shù),保證了網(wǎng)絡(luò)的平滑收斂。按照美國醫(yī)療器械促進協(xié)會(AAMI)的心搏分類標準,使用麻省理工學院和波士頓貝絲以色列醫(yī)院(MIT-BIH)心律不齊數(shù)據(jù)庫中94 091個ECG心搏信號(2個導(dǎo)聯(lián)),完成了心律不齊多分類、室性異位搏動(Veb)和室上性異位搏動(Sveb)等分類識別實驗。實驗結(jié)果表明,本文所提出的方法在ECG信號多分類、Veb和Sveb識別中的準確率分別達到了99.0349%、99.4980%和99.3347%。在相同的數(shù)據(jù)集和實驗平臺下,DR-CNN在分類準確率、特異性和靈敏度上均優(yōu)于相同結(jié)構(gòu)復(fù)雜度的CNN、深度多層感知機等傳統(tǒng)算法。DR-CNN算法提高了心律不齊智能診斷的精度,該方法與可穿戴設(shè)備、物聯(lián)網(wǎng)和無線通信技術(shù)相結(jié)合,可以將心臟病的預(yù)防、監(jiān)測和診斷延伸到家庭、養(yǎng)老院等院外場景,從而提高心臟病患者的救治率,并且有效地節(jié)約醫(yī)療資源。