可穿戴式心电信号R峰检测的心拍感知卷积网络

目的 实现可穿戴式心电信号的R峰检测,为准确估计心率、心率变异性等生理参数提供基础.方法 采用全卷积网络预测R峰热图,对热图进行峰值定位获得R峰位置.引入心拍感知模块,联合心拍数量预测任务和R峰热图预测任务进行学习,提高卷积网络对全局上下文信息的提取能力.心拍感知模块预测的心拍数量还可估计R-R间期,用作峰值定位的峰间最小水平距离.为满足移动端的实时应用,采用深度可分离卷积减小模型的参数量和计算量.结果 实验仅使用可穿戴式心电数据训练模型.测试中定位误差容忍度设置为150 ms时,本文方法在可穿戴式心电数据集和公开数据集LUDB上的R峰检测灵敏度均高达100％,真阳率均超过99.9％;对于时长10 s的ECG信号,R峰检测CPU耗时约为23.2 ms.结论 本文方法对可穿戴式和常规心电信号的R峰检测均可达到良好效果,且满足R峰检测的实时性需求.