深度学习在心电图分类中的应用分析*

苏淏璇，徐秀林

(上海理工大学医疗器械与食品学院，上海 200093)

1 引 言

心血管疾病是全球第一大死亡病因，主要由心脏病和中风引起[1]。因此，临床上对心血管疾病的精确识别诊断至关重要。心电图(electrocardiogram, ECG)信号是评估心脏功能最常用的检查方法，是一种反映潜在心脏状况的非侵入性检测，且价格低廉[2-3]。

目前临床上主要是由经验丰富的医生对ECG进行解读诊断，异常ECG信号的非线性和复杂性，使得很难检测其特征，往往需要花费大量时间，其准确性也易受医生主观因素的影响[4-5]。因此，如何将快速发展的人工智能技术与ECG诊断相结合，开发一种辅助医生快速精确诊断ECG的系统，是研究人员急待解决的问题。

二十一世纪的医学诊断以大量的生物医学数据以及用于数据分析的高性能计算工具的发展为标志[6]，伴随着人工智能的发展和深度学习的出现，尤其是将深度学习神经网络成功应用于图像分类后，深度学习技术已在医学图像分析中获得了快速发展[7-8]。深度学习应用于计算机辅助诊断(computer aided diagnosis,CAD)，能实现快速和准确辅助医生对疾病进行诊断和治疗。

2 深度神经网络模型与应用

2.1 卷积神经网络

上世纪七十年代，Hubel等[9]通过对猫视觉皮层细胞的研究，提出感受野概念,即卷积神经网络(convolutional neural network，CNN)每一层输出的特征图上的像素点在输入图片上映射的区域大小。后来，Fukushima[10]在感受野概念的基础上提出的神经认知机(Neocongition)概念，可以看作CNN的第一个实现网络。深度学习已引起越来越多研究者的关注，在图像处理、自然语言处理、语音处理等方面均有成功应用，尤其是图像识别方面[11]。……