基于深度学习的心律失常分类系统设计

针对可穿戴设备的长时间心电记录、实时分类及对心电数据的远程监测分析问题,开发了一个对接医疗级心电采集终端，并实现实时监测、实时分析，并通过深度学习模型自动对心律失常分类的通用系统。该系统中部署的深度学习模型是基于残差网络构建的，深度学习模型的训练和测试使用2017年心脏病学挑战赛(CinC2017)提供的数据集。训练和测试结果显示，模型具有较好的性能。系统通过反向代理服务器(Nginx)部署在阿里云服务器上，能够稳定运行；心电采集终端贴在患者身上，通过用户App端和医生后端实时反馈系统自动监测分析的数据，并且有较好的分类效果。该系统可用于有心血管疾病风险的人群，起到早发现、早预防的作用。