CardioSpike：基于卷积神经网络的实时心律不齐检测系统

CardioSpike是一个端到端的心电图分类系统，使用卷积神经网络（CNN）分析心电信号，实现正常心律与心律不齐的二元分类，提供Web界面和REST API。项目包含完整的训练流程、部署服务，展示了深度学习在医疗健康领域的应用潜力。该项目来源于GitHub，作者为Deshwan25boe10077，发布时间为2026年6月。

心脏疾病是全球范围内的主要死因之一，心律不齐往往是心脏问题的早期信号。传统的心电图（ECG）分析依赖专业医生的经验判断，但在资源匮乏地区或紧急情况下，及时获得专业诊断并不容易。CardioSpike旨在通过AI技术自动分析ECG信号，解决这一现实痛点。

输入数据规格

系统处理2秒时长的单通道ECG信号（等效于II导联），采样率250Hz，共500个数据点。

预处理流程

ECG信号 → 归一化（Min-max标准化） → 填充（固定长度） → 输入CNN。

CNN架构

输入层 → Conv1（32滤波器，核大小7）→ ReLU+MaxPool → Conv2（64滤波器，核大小5）→ ReLU+MaxPool → 全连接层1（128维）→ 全连接层2（2维，Softmax）→ 输出正常/心律不齐概率。

数据来源

使用合成数据（正常/心律不齐各150样本）训练，兼顾隐私与数据分布可控性。

训练配置

训练轮数25 epochs，批次大小16，学习率0.001，优化器Adam，损失函数交叉熵。

预期性能

训练准确率>99%，验证准确率>95%，CPU训练时间约2-3分钟。

REST API

• 健康检查：GET /health 返回状态ok；
• 预测接口：POST /predict 输入500个浮点数的ECG信号，返回预测类别及概率。

Web界面

左侧面板可加载生成正常/异常ECG、可视化信号、分析数据；右侧面板展示分类结果、概率分布、处理时间等信息。

当前局限性

1. 仅使用合成数据，未在真实患者数据验证；
2. 单通道分析，无多导联支持；
3. 二元分类，不区分子类型；
4. 未经过临床验证，不适用于实际诊断。

未来计划

• 使用MIT-BIH真实心律不齐数据库训练；
• 支持多类别分类（如房颤、室性心动过速等）；
• 多导联ECG支持；
• 脉冲神经网络（SNN）实现及神经形态硬件部署。

CardioSpike展示了深度学习在医疗健康领域的应用潜力，其完整的开发框架（数据生成→模型训练→API部署→Web界面）为AI医疗产品开发提供了参考。但当前版本为研究性质，未经过临床验证。

免责声明：本系统仅供研究和演示使用，不适用于临床诊断或患者护理。心电图解读请务必咨询专业医疗人员。