心电图(ECG)是一种测量心脏电活动的常规方法,用于检测和诊断心脏疾病,在日常体检中也是必要的检查项目。医生会记住心电图的正常参考值,了解异常心电图的特征表现,现在已经形成了标准的心电分析流程,在医院院内心血管诊疗中发挥重要作用。
心电辅助系统的研究开始于贰零世纪伍零年代,目前有多个成熟的商用系统。但是如果增加心脏收缩舒张的监测时间,随之产生的心电图数据越来越多,如何利让机器用算法抓住其中的规律为疾病诊断提供依据?人工智能的算法在语音、图像领域提取规律取得了非常好的成绩,因此将人工智能算法应用于心电领域是值得好好探索的方向。由吴恩达领导的斯坦福大学机器学习小组,早在贰零壹柒年的一篇论文研发出一种新的深度学习算法,分析心电图数据可以诊断壹肆种类型的心律失常。
这里需要补充一下背景知识,心电是电压信号,单导联心电可用于节律类的心脏诊断,如心律不齐,多导联的心电可以做更复杂的诊断。心电的原理是心肌细胞去极化的时候会在皮肤表面引起很小的电学改变,这种电压差的连续变化反映了心脏收缩舒张的过程[壹]。
心电图信号基本上与心脏的电活动(electrical activity)相对应。心电图信号被用于各种用途,如测量心率、检查心跳节律、诊断心脏异常、情感识别和生物特征识别。心电图分析可以包含几个步骤,如预处理、特征提取、特征选择、特征转换和分类。为了进行相关的分析,每个步骤的执行都是至关重要的。此外,采用适当措施和心电信号数据库也在分析中发挥着重要作用。在本研究中,基于以上主要方面,对近十年来有关心电图分析的文献进行了全面的综述。简述了心电图分析的各个步骤,并提供了相关研究。
采用智能技术与移动互联网结合,软硬件结合;通过ECG检测芯片及运动传感器就可以对人们的心电数据进行检测,通过对数据进行分析就可以得出被检测人的心脏健康情况、疲劳程度、心里压力情况从而对健康风险进行有效预防和处理。