心肺復蘇（CPR）過程中實施的胸外按壓引起的偽跡會嚴重降低除顫節律辨識的可靠性。本文提出了一種無需參考信號的CPR偽跡自適應濾除算法。結合經驗模態分解（EMD）和獨立成分分析（ICA），將真正的心電節律信號從受CPR偽跡干擾的心電信號中分離出來。為評估算法的效果，構建了一個用于除顫節律辨識的反向傳播神經網絡。采集了1 484例受CPR偽跡干擾的豬的心電信號用于實驗。實驗結果表明，該算法可以在很大程度上抑制CPR偽跡的影響，從而顯著提高CPR過程中除顫節律辨識的準確性。
致死性心電節律的辨識和分類是自動體外除顫儀的關鍵任務。本文對已存在的心電節律辨識算法提取出的 21 個特征值進行了回顧性研究，并基于這些特征值構建了一個遺傳算法優化的反向傳播神經網絡。以數據庫提供的 1 343 例心電信號樣本用于實驗。實驗結果表明，本文構建的神經網絡在對竇性節律、心室顫動、室性心動過速、心臟停搏 4 類心電信號的辨識分類上有很好的表現，在測試集上的平衡準確性高達 99.06%；相較已存在的算法，辨識性能更好。將該算法應用在自動體外除顫儀上，將進一步提高除顫前節律分析的可靠性，最終提高心臟驟停的存活率。