随着信息技术的应用越来越广泛,医疗健康领域的信息系统沉淀了海量的医疗数据,以往受限于基础硬件运算速率的限制,在很长一定时间内无法用常规软件工具来进行捕捉、管理和处理。随着硬件设备的更新换代和新的数据处理逻辑的设计,海量数据的处理及挖掘成为可能,大数据分析也成为当前医疗与信息技术应用相结合的行业热点。2015年政府工作报告中,“互联网+”行动计划首次被提出,大数据分析的概念从单纯的理论研究上升到政策层面,2017年政府工作报告中对人工智能的研究与应用进行了重点强调,政策的出台为大数据分析与人工智能技术的推广及应用从宏观层面指明了方向,更有利于后期研究成果的转化与产业化。在此背景下,大数据分析与人工智能领域的研究日新月异,通过数据挖掘能够将海量无序数据进行清洗、转换,变为可用于机器学习的知识体系,通过对大量心电图数据的学习,软件系统可以逐步“学会”如何判读心电图,随着数据分析与机器学习研究的不断深入,心电数据研究成果将在个人健康、诊疗支持、公共健康等领域发挥重要作用。借助于深层数据挖掘获取到的信息,以往判读决策中需要大量案例支持、心电设备研发需要大量数据支持、科学研究书需要数据支持、医生遇见复杂困难心电图需要历史数据的情况时,数据挖掘成果转化的信息库均可提供更准确、更高效的数据支持,甚至可以超过心电专家的判读水平。本论文分为两大部分内容,第一部分利用较为成熟的分布式存储、数据清洗、数据挖掘等技术,实现零散无序的海量数据的有效整合,并实现可用心电数据的提取,通过让软件模型深度学习历史心电数据并不断优化,形成可应用于远程心电判读的应用模型。其次,通过模型计算从大量的远程心电数据中筛选出复杂程度极高、难以用语言详尽描述出的对比特征,用人工智能的方法识别组织样本特性,对心电数据进行自动判读。第二部分是通过软件功能实现,搭建基于判读模型的智能心电判读平台,其功能包括用户使用界面、业务处理逻辑、底层数据存储以及辅助统计分析的管理子系统。通过系统架构设计与业务模式进行匹配,实现以人工智能逐步取代大部分人工判读的目标,达到研究成果的最大化应用于推广。本论文在写作过程中得到政府及单位各方面资源的大力支持,包括资金扶持与专业医师团队的密切参与,进一步保证了论文写作过程中心电专业数据的准确性与专业度,同时对后期研究成果的落地与推广应用提供了有力的保障。