摘要：为了解决心律失常实时诊断的问题,设计并实现了实时心律失常诊断系统,并提出了一种基于前向反馈神经网络(FFNN)和一维卷积神经网络(1D-CNN)的实时心律失常诊断算法。系统利用可穿戴的心电图(ECG)采集设备采集心电信号并实时无线传输到客户端软件进行心律失常诊断,然后将诊断结果自动上传至服务器。心律失常诊断算法以原始胸导联ECG并采用200 ms时间窗的片段作为输入,首先使用一个基于FFNN模型的分类器实时检测R波的位置,然后提取出每3个R波之间的心电序列并重采样为长度360点作为ECGRRR特征,最后使用一个基于1D-CNN模型的分类器进行实时心律失常分类。利用MIT-BIH心律失常数据库中MLII导联ECG数据训练算法模型并对系统进行测试。结果表明,提出的实时心律失常诊断系统与算法具有正确率高、实时性强且易部署的特点,对于跨病人的R波位置检测查全率为98.0%,查准率为99.5%以及整体正确率为97.6%,对于5分类的心律失常检测正确率为91.5%。