下壁心肌梗死是一種病死率高的急性缺血性心臟病，易誘發惡性心律失常、心率衰竭、心源性休克等危及生命的并發癥。因而，開展對下壁心肌梗死準確高效的早期診斷研究具有重要的臨床價值。心電圖是早期診斷下壁心肌梗死最敏感的手段。本文提出了一種基于密集連接卷積神經網絡的下壁心肌梗死檢測方法。該方法將Ⅱ、Ⅲ和 aVF 導聯的原始心電信號串接數據作為模型的輸入，利用卷積層的尺度不變性提取心電信號中具有魯棒性的特征，并通過不同層間密集連接的方式加強了心電信號特征的傳遞，使得網絡能夠自動學習心電信號中魯棒性強且辨識度高的有效特征，從而實現下壁心肌梗死的準確檢測。本文還采用德國國家計量學研究所診斷公共心電數據庫進行驗證，本文模型的準確率、敏感性和特異性分別達到了 99.95%、100% 和 99.90%。在含有噪聲的情況下，模型的準確率、敏感性和特異性也均超過 99%。基于本文研究結果，期望今后可在臨床環境中引入本文方法，以幫助醫生快速診斷下壁心肌梗死。
下壁心肌梗死的早期檢測是降低下壁心肌梗死死亡率的重要手段。針對現有的下壁心肌梗死檢測存在模型結構復雜、特征冗余的問題，本文提出一種下壁心肌梗死檢測算法。該方法與臨床病理信息相結合，提取心電信號Ⅱ、Ⅲ和 aVF 三個導聯中的 QRS 波段和 ST-T 波段的峰值、面積以及 ST 的斜率等特征，并由遺傳算法依據單個特征以及特征之間的離散度進行判斷，選擇區分度較大的特征送入支持向量機（SVM），實現下壁心肌梗死檢測。本文采用德國國家計量學研究所（PTB）診斷心電數據庫對該方法進行驗證，準確率為 98.33%。本文方法有效地利用心電信號形態學特征實現了下壁心肌梗死的檢測，符合臨床醫生診斷以及下壁心肌梗死心電信號特異性改變的特點，適合臨床廣泛推廣以及便攜式設備應用的實現。