基于深度学习的ECG疾病识别研究

心血管类疾病的诊断大多数都是由临床医生根据心电图进行，但是这样进行诊断的效果还不是很理想，疾病进一步的确诊还需要由专业医师进行。所以，在人工智能、大数据时代，将计算机算法的快速反应以及通过改进的计算机算法相结合进行疾病的诊断的步伐应该加快。
本文患心肌梗塞疾病的心电数据以及健康者的心电数据都是从Physiobank数据库的PTB心电数据库中获得的，通过基于小波变化的去噪方式对提取的信号进行预处理，使用长短期记忆法（即LSTM）对预处理之后的ECG信号进行特征提取，建立心肌梗塞的支持向量机模型（SVM）以及线性回归模型，分析心肌梗塞模型特征，由此归纳总结心肌梗塞患者的ECG信号特有标志，从而为更加高效、准确的对疾病做出诊断提供可能，为患者争取更多的治疗机会。

一、研究背景

城市化、老龄化在经济的发展之下进程也进一步加快，人们不健康的生活方式越来越突出，这样就使得引发心血管病的危险因素暴露的越发显著，发病人数一直呈现上升的趋势，心血管疾病在农村的死亡率一直高于城市[1]。据不完全统计，我国心血管疾病患病人数预计突破3亿，心血管病死亡率在各种原因导致的死亡率中占据榜首，平均每10秒钟就有一人死于心血管疾病[2]。更加令人需要注意的是此类数据近些年仍然处于上升状态，尤其是在成年人群，这一数据一直居高不下，中国心血管病的负担日益加重，已经成为迫在眉睫需要解决的威胁公众身体健康的问题，所以加强现代科技技术与医疗技术的结合，加快运用计算机对疾病的识别、诊断进行辅助的步伐尤为重要。

二、心电图原理

心肌细胞膜是半透膜，半透膜具有选择通透性，使得心肌细胞膜内外的电位会有变化。当处于静息状态的时候，膜外是一定数量的正电阳离子，膜内是负电阴离子，外正内负，膜外的电位相对膜内要高，称此为极化状态，在此状态下，不会有电位差，这样测得的电位线就是平直的，称为等电位线。但是一旦心肌细胞受到刺激，通透性发生变化，会产生除极过程，即阳离子会进入膜内，那么电位就会在膜吸收了阳离子时候变为正，记录到的电位曲线称为除极波，也就是心电图中显示出来的P波和QRS波。除极完成之后阳离子会排出来，使得膜内点位再次变为负，恢复为极化状态，称为复极，由电流记录仪记录到的电位曲线称为复极波，其过程缓慢，幅度较低，不易测得，表现为T波。细胞复极之后，会再次恢复极化状态，没有电位差，测得等电位线。
心电图（ECG），是英国皇家学会玛丽医院的生理学教授Waller于1887年在犬和人类的心脏上应用毛细管静电计第一次记录得到。心电图记录的是人体心脏活动的可视时间序列，人体心脏的综合表现[7]可以由心电图直观的反应，所以心电图成为检查心血管疾病、医生诊断病患情况的重要依据之一。

三、心电图导联

心电图导联就是通过与心电图机的电流计正负极相连的导线放置在人体不同部位的电路连接方式，目前存在的常规12导联体系是被广泛应用的体系，包括与肢体相连的肢体导联（包括标准肢体导联I、Ⅱ、Ⅲ和加压单极肢体导联aVR、aVL、aVF）和与胸部相连的胸导联（属单极导联，包括V1~V6导联）。如表2.1所示。
不同的导联是由不同的两个电极或者一个电极、一个中央电势端（也称威尔森中央电端）组合形成的。然后导联线又将它们与电流计的正负极连接起来（如表2.2所示 ），以此方式进行心脏电活动的有效记录。连接起来的两个电极组合，可以称为双极导联，一正一负。Ⅰ、Ⅱ和Ⅲ导联是前面叙述过的双极肢体，相对应的有单极导联，它是电极和中央电势所形成的导联，在这个时候，产生的探测电极是正极，而中央电势端是负极。

效果图

结语
心脏作为人体内最重要的器官，它的健康才能带来更好的生活，倘若出现一点问题都会对人体健康产生很大的威胁。心肌梗塞是生活中常见的心血管疾病，心肌梗塞发生时，如果血管堵塞30分钟以上就会发生心肌坏死，所以心肌梗塞疾病越早治疗越好。而心脏病目前的最佳诊断方式就是通过心电图的波形状态来进行判别，但是在目前医疗手段上，通过心电图来进行疾病的诊断需要专业医师进行，所以通过计算机进行辅助医疗诊断显得尤为重要。本文通过分析心肌梗塞患者和健康对照者的心电信号，通过模型检测提取出了判断心肌梗塞的特征，为该疾病的准确、及时诊断提供了参考。