摘要：本文提出了一种基于卷积网络的心电信号分类算法,设计了空洞卷积池化金字塔模块,通过不同尺寸的空洞卷积提取信息,再将各通道的信息聚合,在增强网络的特征提取能力的同时可以降低参数量。本文聚焦于窦性心律、房性早搏、心动过速以及心动过缓4种分类,使用的心电图数据集来自医院的实测数据,数据集包含75000名不同检测者的心电记录。经过测试,本文提出的模型在该数据集上取得了0.89的F1值,另外在CinC2017数据集上也达到了0.87的F1值。实验结果表明该分类算法具有优秀的特征提取和分类能力,在心电信号的实时分类中具备应用前景。

摘要：针对实时心电数据的自动诊断,文中设计了一种适合硬件实现的轻量化残差神经网络结构,并将其实现为可用于便携式心电检测系统的硬件IP。通过在FPGA平台上搭建验证系统,完成了该硬件IP的部署和验证。经过实测心电数据验证,硬件IP模块可实现正常心电图(N)、房性早搏(A)、心动过速(T)、心动过缓(B)四种心电信号的自动分类。与嵌入式软件实现方式相比,硬件IP模块准确率达到99.6%,计算速度提升了2.07倍,可以满足实时性要求,特别适合应用于便携式心电检测系统。