基于ResNet-LSTM的心电信号特征点检测优化算法研究

来源：电子测量技术杂志2025年第16期北京时间：

作者：苏鹏，王书涵，潘国新，张中钰，王培利

单位：1.北京信息科技大学机电工程学院 北京 100192;2.国家康复辅具研究中心，北京市老年功能障碍 康复辅助技术重点实验室，民政部神经功能信息与康复工程重点实验室 北京 100176; 3.中国中医科学院西苑医院国家中医心血管病医学研究中心 北京 100091

摘要：心电信号特征点的精确检测对医疗康复辅助设备、心脏监护系统及心脏病研究至关重要。针对传统方法存在的漏检、误检问题，本文提出一种基于ResNet-LSTM-差分阈值的心电信号特征点检测优化算法。本研究利用自适应阈值对心电信号特征点进行标记，然后采用ResNet-LSTM模型对标注有特征点的心电信号数据进行训练，最后结合差分阈值法在决策阶段并行检测心电信号r波，当神经网络模型或阈值法中的任一方法成功检测到R波时，该检测即为真正例。实验结果表明，该方法在MIT-BIH数据库上的R波检测准确率达到99.4%，相较于单一阈值法和传统深度学习方法，提高了检测精度和计算效率。提出的ResNet-LSTM-差分阈值心电信号特征点检测方法有效提高了心电信号特征点检测的准确率和鲁棒性，在面对复杂、多变的心电信号时，实现了高效、精准、实时的特征点检测，为各类医疗设备与医护系统提供了广泛的应用前景。

关键词：心电信号;R波检测;深度学习;体外反搏

基金资助：民政部重点实验室及工程技术研究中心开放课题（102118170090010009004）、国家自然科学基金（52005045）项目资助