基于深度卷积神经网络的ECG信号自动检测心肌梗死应用

心电图（ECG）是一种用于诊断多种心血管疾病（CVDs），如心肌梗死（MI）的重要诊断工具。ECG能够记录心脏的电活动，这些信号可反映心脏的异常电生理状态。然而，由于ECG信号幅值较小且持续时间短，其视觉解读具有较大挑战性。为此，本文提出一种新型方法，用于自动识别心肌梗死。在本研究中，我们采用卷积神经网络（CNN）算法，实现对正常与心肌梗死ECG搏动（含噪与去噪）的自动化检测。实验结果表明，该方法在含噪ECG搏动上的平均准确率达93.53%，在去噪ECG搏动上的平均准确率则达到95.22%。此外，本研究未进行任何特征提取或特征选择操作，因此所提出的算法能够在存在噪声的情况下仍准确识别未知ECG信号。综上，该系统具备良好的临床应用潜力，可辅助临床医生提高心肌梗死的诊断效率与准确性。