CNN-BiLSTM：一种基于光电容积脉搏波信号的房颤检测模型

打开文本图片集

中图分类号：TP18；TP391；R541 文献标识码：A 文章编号：1006-8228（2025）08-08-04

Abstract：Toexploretheomplexitymbedddinpulsewavesignalsandachieveeficientidentifiationofatrialfbilation（AF）， thisstudyproposesadetectionmodelbasedonphotoplethysmography（PPG）signalsThemethodintegratesconvolutionalneural networks（CNN），bidirectionallongshort-termmemory（BiLSTM），andphotoplethysmography（PPG）technology.Afusedand optimizedCNN-BiLSTMmodelisconstructed.Comparedwithothermodels，thismethodachieveshighereficiencyindata preprocessing and greater sensitivity in AF detection，with superior performance in recall （92.89%） ，precision （92.48%） ，and F1 score （92.64%） .Theeffectivenessof thismethodisvalidated through comparison with various traditional models，indicating promisingaplicationpotential.Thismethodiseasytouseandfficientindetection，andcanpartiallyreplacetraditionalECGbased detection methods，offering new insights for long-term monitoring and follow-up of AF patients.

Keywords：Atrial fibrillation;Photoplethysmography;CNN；BiLSTM

0引言

房颤（AF）是一种常见的心律失常，传统识别主要依赖心电图（ECG），但ECG存在操作复杂、便携性差、成本高等局限[-2]。（剩余4316字）