心电特征引导下的自监督房颤异常检测方法

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：陈鹏, 邓淼磊, 樊好义, 张德贤, 韩涵

单位：1.河南工业大学 信息科学与工程学院，郑州 450001；2.郑州大学 计算机与人工智能学院，郑州 450001；3.哈尔滨理工大学 测控技术与通讯工程学院，哈尔滨 150006

摘要：心电异常检测旨在发现心电数据中异常的模式，例如房颤特征或无效干扰信号特征。针对心房颤动心电异常，提出了一种简单有效的自监督房颤异常检测方法，称为心电特征引导下的房颤异常检测器（electrocardiogram feature induced atrial fibrillation detector，EFAFD），通过引入P波掩码和心率变异性指标预测多任务学习策略，指导模型学习房颤心电P波消失和RR间期绝对不齐等医学特征，提高模型对房颤异常心电模式的判别能力。具体地，将P波掩码心电数据通过自编码器重构原始的心电数据，学习房颤心电P波易消失的特征。同时，将心率变异性指标的预测任务整合到自编码器框架中，学习房颤心电RR间期绝对不齐的节律特征。通过度量心电的重构误差，实现房颤心电的检测。在真实的动态心电数据集上评估了所提出的方法，包括CPSC2021数据集和Icentia11k数据集。EFAFD模型的AUC分别达到了81.85%和92.46%。实验结果表明，所提出的方法在房颤异常检测方面优于现有的方法。

关键词：心电图,时间序列,异常检测,自监督学习,房颤检测,自编码器