核心摘要
本研究针对心血管疾病（CVDs）早期检测需求，提出基于心电信号平稳性假设的新型分类方法。通过创新性结合小波散射网络（WSN）与线性判别分析（LD），在跨患者范式下实现了99.61%的总体准确率。研究团队利用MIT-BIH心律失常数据库等三个权威数据集，采用2048采样点的ECG片段进行特征提取，构建的200×4特征矩阵使维度降低60.94%。引入的平稳性假设通过加权投票机制，使跨患者场景精度提升20.21%，显著优于传统随机划分数据集的检测方法。
研究背景
根据世界卫生组织数据，心血管疾病每年导致1790万人死亡，预计2030年将占全球死亡率的75%。心电图信号分析是诊断心律失常和充血性心力衰竭的关键手段，但传统手动分析存在耗时长（单份报告需30分钟）且易受人为误差影响的问题。现有研究多采用同患者范式（intra-patient），导致实验室精度可达99.86%但实际临床应用效果有限。
技术突破
- 小波散射网络优化：采用Gabor复小波（与QRS波形高度匹配），通过双滤波器组（Q1=8,Q2=1）生成142个散射路径，特征矩阵维度压缩至200×4
- 平稳性假设验证：首次提出跨片段加权投票机制，利用心律失常在同一患者ECG信号中的时空连续性，使LD分类器在跨患者范式下精度从79.4%提升至99.61%
- 计算效率提升：特征提取仅需0.42秒/片段，预测速度达22,000片段/秒，内存占用6400字节/片段
对比实验
| 分类方法 | 同患者范式精度 | 跨患者范式精度 | 内存占用 |
|---|---|---|---|
| 本研究方法 | 99.30% | 99.61% | 6.4KB |
| Nahak et al. | 99.06% | 96.00% | 18.2KB |
| Prusty et al. | 99.78% | 79.40% | 15.7KB |
临床应用价值
- 诊断可靠性：ROC曲线下面积达0.999，特异性（99.74%）与灵敏度（99.35%）均优于现有方法
- 设备适配性：模型参数量仅需224个，适用于嵌入式设备部署
- 泛化能力：通过调节加权投票权重，可针对性优化特定类型心律失常的检测
未来方向
研究团队计划将方法扩展至单次心跳级检测，并通过选择性保留关键小波路径进一步降低计算负载，目标实现可穿戴设备的实时监测。同时考虑整合血压、血氧等多模态数据提升诊断全面性。
【全文结束】
