基于边缘智能的心电信号处理方法及监测系统
信息技术与网络安全
甄鹏华，韩玉冰
(齐鲁工业大学(山东省科学院) 计算机科学与技术学院，山东 济南250353)
摘要： 边缘智能是边缘计算和人工智能相结合的产物，它的特性使其特别适合用于进行实时心电信号分析。心电图中体现的心电信号能够反映人体的心率等生理信息，通过对心电信号的分析及状态类型的分类可以检测人体是否患有心率失常等疾病。然而传统的心电信号分类研究是针对大量样本进行的单纯分类研究，并不适用于实时小样本分析的边缘智能场景。提出了一种可行的心电信号处理方法，并设计了一个基于边缘智能的心电监测系统。实验结果表明，该心电信号处理方法具有一定的实用性，能够在一定程度上满足边缘智能场景的要求。
中圖分類號(hào)： TP391
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2021.07.018
引用格式： 甄鵬華，韓玉冰. 基于邊緣智能的心電信號(hào)處理方法及監(jiān)測(cè)系統(tǒng)[J].信息技術(shù)與網(wǎng)絡(luò)安全，2021，40(7)：108-115.
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2021.07.018
引用格式： 甄鵬華，韓玉冰. 基于邊緣智能的心電信號(hào)處理方法及監(jiān)測(cè)系統(tǒng)[J].信息技術(shù)與網(wǎng)絡(luò)安全，2021，40(7)：108-115.
Electrocardio signal processing and monitoring system based on edge intelligence
Zhen Penghua，Han Yubing
(School of Computer Science and Technology，Qilu University of Technology(Shandong Academy of Sciences)， Jinan 250353，China)
Abstract： Edge Intelligence(EI) is the product of the combination of Edge Computing(EC) and Artificial Intelligence(AI). Its characteristics make it particularly suitable for real-time electrocardio signal analysis. The electrocardio signal can reflect the human body′s heart rate and other physiological information，through the analysis of the electrocardio signal and the classification of the heartbeat, it can be detected whether the human body suffers from arrhythmia and other diseases. However, the traditional electrocardio signal classification research is only for a large number of samples, so it is not suitable for the edge intelligence scene of real-time small sample analysis. This paper proposes a feasible electrocardio signal processing method and designs an electrocardio monitoring system based on edge intelligence. Experimental results show that the electrocardio signal processing method has a certain practicability and can meet the requirements of edge intelligent scenes to a certain extent.
Key words : edge intelligence；electrocardio signal；neural network；system simulation
0 引言
邊緣智能是十分新穎的研究領(lǐng)域，它集合了邊緣計(jì)算和人工智能的優(yōu)勢(shì)，能夠以較低的資源消耗和較快的運(yùn)行速度提供較為精確的分析結(jié)果[1-2]。邊緣設(shè)備及邊緣計(jì)算也是分析心電信號(hào)常用的方法。
然而傳統(tǒng)的心電信號(hào)分類研究是針對(duì)大量樣本進(jìn)行的單純分類研究，并不適用于實(shí)時(shí)小樣本分析的邊緣智能場(chǎng)景。這是由于傳統(tǒng)研究通常是基于大量有完善的位置標(biāo)記的樣本，在處理過(guò)程中依賴樣本數(shù)量進(jìn)行特定的處理。在邊緣智能場(chǎng)景中，預(yù)測(cè)過(guò)程中心電信號(hào)是實(shí)時(shí)產(chǎn)生的，且要求產(chǎn)生一條數(shù)據(jù)即分析一條數(shù)據(jù)，以滿足實(shí)時(shí)性的要求，上述基于樣本數(shù)量的處理方法無(wú)法實(shí)現(xiàn)。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000003687
作者信息：
甄鵬華，韓玉冰
(齊魯工業(yè)大學(xué)(山東省科學(xué)院) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，山東 濟(jì)南250353)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。