多通道心震圖譜人工智慧特徵點辨識

本計畫將開發出使用人工智慧來進行於多通道心震圖譜中，進行特徵點辨識的方法。心震圖中的特徵點辨識，是心震圖量測技術之所以能發揮出其功效最初步與基本的訊號處理。由於在人類中，即使在同一個體，其心博週期的變異就已非常大，更不論是不同個體之間！因此若要僅使用人工來辨識出特徵點，對於其應用面會有相當之阻礙。若使用歸納出之辨識法則，則因個體與跨個體間變異過大，因此也尚無高準確度的法則。而使用一般人工智慧的方法，則有其成效不彰的問題，更遑論即便是辨識出，目前也缺乏一可信度的評估。本計畫預計使用波形分類來輔助動態時間扭曲法(DTW)來處理波形的變異，使用1D-CNN與遷移學習的方法來提升人工智慧特徵點辨識的性能，更提出特徵點辨識的可信度評估公式與方法。藉此，來總體開發出高效能且高精準度之多通道心震圖譜的人工智慧特徵點辨識。本研究計畫之成果與開發之應用，將可整合到未來使用多通道心震圖譜量測技術於相關心臟疾病早期預警系統中，對於系統的建構和目標的實現將往前更邁進一步，也會對降低可能之患者在家執行自我心臟健康管理與監測的困難度有所貢獻。

系統編號:PB10907-2880
原計畫編號:MOST109-2221-E182-016