文献综述（或调研报告）：
心电图诊断常应用于疾病分类、心跳类型检测、生物识别以及情感识别，其中疾病分类为最广泛应用的领域。心电图标签主类包括窦性心律、心房颤动、心房扑动、室性早搏、房性早搏、T波低平等一系列症状。在主类标签中又包含子类标签，如在窦性心律主类中就包含窦性心律过缓、窦性心动过速等心律不齐的标签子类。在研究中常参考的分类准则是由医疗仪器发展协会(AAMI)标准建议的五种心律失常组:正常(N)、室上性异位搏动(SVEB)、室性异位搏动(VEB)、融合搏动(F)和未知搏动(Q)。
图1 心电图诊断疾病分类流程图
心电图自动诊断应用于疾病分类的流程图如图1所示，包括预处理，特征提取、选择与变换，心电图分类三个模块，最后输出分类结果。
1. 预处理
心电图记录通常被不同类型的噪声和伪影所污染，在预处理步骤中，目标是减少噪声和伪影，以确定基准点（P,Q,R,S,T）。典型的噪声分为以下类别：电力线干扰（频率为50或60Hz,带宽低于1Hz）、基线漂移（0.15至0.3Hz噪声，来自患者吸入使心电图基线偏移）、电极接触噪声、电极运动伪影、电外科噪声（其他医疗设备产生的噪声）、肌电图噪音（其他肌肉收缩导致）、仪器噪声（测量中使用的电子设备产生的噪声）。
为适应不同类型的记录，采用自适应滤波器[6]，自适应滤波器设计的原则为自适应阈值跟随波形实时稳健地变化，同时有针对性地防止错检、漏检。尽管非线性自适应滤波器性能更好，但其过于复杂，因此实际应用中常用线性自适应滤波器。
大部分数据集存在心律记录类别分配不均衡问题，正常心律记录多而心律失常记录少，为解决数据类别不平衡的问题，通常对罕见心律记录进行数据扩充。
2. 心电图特征提取、选择与变换
图2 典型心电图信号
以上是文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
