【ECG理論篇】（1）AI實現心律失常判別：心電基礎知識及利用演算法判別心律失常的分析流程

最近開始做一個新的專案，使用深度學習來優化傳統的心律失常預測演算法
因為自己也是初涉這個方向，所以學習開始的第一步就是了解背景知識。

基礎詞彙

心電圖（Electrocardiogram,ECG）：指心臟在每個心動週期中，由起搏點、心房、心室相繼興奮，伴隨著生物電的變化，通過心電描記器從體表引出多種形式的電位變化的圖形。簡單來說心電圖就是利用心電圖機從體表記錄心臟每個心動週期所產生的電活動變化圖形的技術。

心電圖原理：心臟各部分在興奮過程中出現的生物電活動，可通過心臟周圍的導電組織和體液傳到體表。將測量電極置於體表的一定部位，即可檢測出心臟興奮過程中所發生的電變化，這種電變化經過一定處理記錄下來，便成了心電圖。

心電圖導聯：將記錄心電圖時電極在人體體表的放置位置及電極與放大器的連線方式稱為心電圖的導聯。導聯方式分為肢體導聯和胸導聯。我的理解，簡單來說就是把電極和人體相連線的方式（比如將我們人的左上肢電極和心電圖機正極相連，右上肢電極和心電圖機的負極相連，這樣就是一種導聯方式，這是I導聯，還有II導聯，III導聯等等），通過這種將人體表面電極和心電圖的電極相互連線的方式我們可以測得心電。

需要注意的是 不同導聯方式得到的心電圖也是不一樣的，國際上是有12導聯體系。我們最常用的導聯是其中的標準導聯，又叫做雙極肢體導聯，反映兩個肢體之間的電位差。關於導聯方式如果有不理解的，可以自行百度再看看

心律失常資料庫：國際上比較出名的公共心律失常資料庫是MIT-BIH，連結在這裡：https://www.physionet.org/physiobank/database/mitdb/
這個資料庫我之後訓練資料會用到，等到那個時候再專門寫筆記介紹它。

心律失常識別和分析流程

我的最終目標是利用深度學習的方法來完成心律失常的識別。所以在這個過程中，我們需要做四個步驟：
預備： 心電訊號的採集 這個不用多說，就是指我們通過感測器裝置來採集人體的心電訊號。

第一步：心電訊號的預處理 雖然我們現在採集到了人體的心電訊號，但是此時的心電訊號中包含許多噪音，所以採集到心電訊號之後，
我們接著要做的最重要一步就是去除心電訊號中的噪聲干擾，這就是心電訊號預處理的核心。

第二步：心電訊號的特徵提取 我們用神經網路或者說其它機器學習方法來做識別，都是需要有特徵來訓練的。所以這一步的關鍵就是，我們如何從心電圖的波形中選取代表性特徵來描述心電訊號，從而作為我們訓練演算法的輸入。 同時，由於心律失常是有多個型別的，所以選用合適的特徵來作為不同心律失常類別的判別，就非常重要啦

第三步：利用演算法訓練模型，完成心律失常的分類 這一步就是指我們選用演算法（比如深度學習，SVM等等之類）來對第二步中所選到的心電訊號特徵進行模型訓練，從而完成心律失常的判別。

總的來說，流程如下
圖片來源：可穿戴式心電監測模組的心律失常分類演算法研究.碩士論文

本節持續更新