利用 RR 间期进行心房颤动检测以应用于光电容积描记器

心房颤动是一种常见的不规则心律形式，可能非常危险。我们的主要目标是分析 ECG 中的心房颤动数据，以开发仅基于 RR 间期（即心跳之间的长度）的模型，从而创建一个用于心房颤动的实时分类模型，以应用于当今市场上的常见心率监测器。使用了 Physionet 的 MIT-BIH 心房颤动数据库 \cite{goldberger2000physiobank} 与 2017 挑战数据库 \cite{clifford2017af} 来识别心房颤动模式并测试分类模型。这两个数据集差异很大。MIT-BIH 数据库包含用医用级设备采集的长样本，虽无助于模拟消费设备，但有助于心房颤动模式检测。2017 挑战数据库包含用便携设备采集的短（$<60sec$）样本，并揭示了实时设备中心房颤动分类的诸多挑战。我们开发了多个以三组提取特征为预测变量的 SVM 模型，其以低计算强度给出了中等偏高的准确率。借助已应用于许多基于光电容积描记图的消费心率监测器中的鲁棒滤波技术，本方法可用于开发消费级心率监测器中可靠的心房颤动实时检测模型。