1、近年來，隨著人口老齡化的日益嚴重，房顫的發(fā)病率逐年增加，由此而引發(fā)的并發(fā)癥及心血管疾病嚴重威脅著人類的健康。因此，開發(fā)房顫檢測系統(tǒng)，從而及早發(fā)現(xiàn)房顫并治療，對減少危重病癥發(fā)生率和死亡率具有重要的意義。目前，已有的房顫檢測算法未能提取到魯棒、判別性的特征且泛化能力較差。遞歸復雜網(wǎng)絡和相干運算是兩種高效的提取信號特征的方法，本文將這一優(yōu)越性運用到房顫檢測算法中。P波消失代之以連續(xù)不規(guī)則的f波這一特征更能反映房顫的本質特征，本文基于該心房活動

2、特征進行研究，設計了基于多特征提取與卷積神經(jīng)網(wǎng)絡的房顫檢測算法。論文的主要研究內(nèi)容如下：
　?。?）提出一種基于遞歸復雜網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的房顫檢測算法。心房活動信號直接作為網(wǎng)絡的輸入具有不穩(wěn)定性和魯棒性差的缺點，通過提取底層特征可以解決這一問題。因此，本文利用遞歸矩陣將單心拍心房活動信號的內(nèi)在特征表示出來，再利用卷積神經(jīng)網(wǎng)絡將獲得的底層特征進行高層特征提取與分類。
　?。?）提出一種基于相干運算與卷積神經(jīng)網(wǎng)絡的房顫檢測算法

3、。發(fā)生房顫時相鄰心拍間有較大差異。因此，采用相干運算將相鄰心房活動信號之間的一致性作為底層特征，再采用卷積神經(jīng)網(wǎng)絡對輸入特征進行學習與分類。
　　（3）采用決策級融合的方法，將上述兩種算法進行融合得到一種基于多特征提取與卷積神經(jīng)網(wǎng)絡的房顫檢測算法。遞歸矩陣所提取的底層特征是單個心拍內(nèi)的，而相干譜的方法提取的底層特征是相鄰心拍間的，將這兩類特征進行融合更能全面展現(xiàn)房顫的特征。
　　本文算法是完全獨立于RR間期的，經(jīng)MIT-BI