房颤是最常见的心律失常,在总体人口中患病率在0.4～1%左右,80岁以上的人数增加到6%。房颤症状的出现与心血管疾病有密切联系,房颤本身并不会直接威胁患者的生命健康,而其往往伴随着严重的并发症,如心力衰竭和中风。因此,房颤早期快速准确地确诊对于房颤及其并发症的治疗至关重要。然而由于房颤的偶发不稳定特性以及单通道心电信号不可靠性,使得以往人工提取特征的传统单通道房颤识别方案难以提高其精度,同时房颤识别实时性能也得不到保障。在病人监护产品中最关键的两个因素是诊断功能的可靠性和实时性,为了进一步提高房颤识别诊断的精度和实时分析性能,我们在总结分析前人相关技术研究方法的基础上,本文从卷积神经网络、循环神经网络和残差网络的技术基础入手,提出了一种新的识别正确率和实时性能都令人满意的房颤识别方法:基于多通道注意机制组卷积可分网络和双向注意趋势长短期记忆网络相融合的房颤识别方法。在此方法中我们首先将多通道信号并行输入到组卷积可分网络提取频域上的特征,然后利用双向注意趋势长短期记忆网络对房颤识别有利的关键波形趋势给予更多关注度,最后利用多通道注意机制为对房颤识别重要程度较大的通道分支匹配更大的权重参数。通过多通道综合分析的方法可以提高房颤识别的可靠性,其对较短心电信号能够提取分析更多有效信息以提高识别准确度。通过理论和实验分析论证,本文提出一种新的基于多通道注意机制组卷积可分网络和双向注意趋势长短期记忆网络相融合的房颤识别方法,在3s短ECG输入的情况下对比于本文的其他方案具有明显的优势。在MIT-BIH Atrial Fibrillation Database官方公开的数据集中进行受试者与受试者之间的六重交叉验证,在3s短ECG输入时获得的房颤识别平均敏感度、特异度和正确率分别为:95.57%、95.67%和96.13%。在本文的对比实验中,采用此方法与其他房颤识别方案进行对比,敏感度高4%～6%,特异度高2%～5%。可以说明采用基于多通道注意机制组卷积可分网络和双向注意趋势长短期记忆网络相融合的方法在保证较好的实时性能情况下也有不错的房颤识别性能。