心肌缺血是我国常见的心血管疾病之一,同时也是心肌梗死、心衰、猝死等其他心血管疾病的主要诱发因素。随着人们生活方式的改变,心肌缺血的发病率和死亡率逐年攀升,对人们的生命健康造成了极大威胁。早期发现心肌缺血,可以及时干预治疗,避免病情恶化为心肌梗死等更严重的疾病,及时挽救患者的生命。心电图是诊断心肌缺血最常用的方法,具有操作简单、价格低廉、无创伤的优势,随着互联网和人工智能的快速发展,利用心电信号进行心肌缺血智能检测成为了研究的热点。心肌缺血在心电图上的表现主要是ST-T段的改变,本文对心电信号的ST-T段进行特征提取,通过时域形态特征和频域特征融合,实现了心肌缺血的检测,为临床上心肌缺血的诊断提供支撑。主要研究内容如下:（1）ST段形态改变是心肌缺血的直接表现,可以准确的反应缺血的部位和程度,针对目前ST段形态识别中类别不全面,直线型、凹凸型易混淆,识别准确率低等问题,提出了基于曲面梯度的ST段形态识别算法,并提取了心电信号的ST段形态因子,为心肌缺血的检测提供形态指导信息。利用函数将二维ST段曲线转换为三维的ST曲面,经过升维后,增大了不同ST段形态之间的差异,将曲面对角线上的梯度值与ST段的面积、均值、差值、斜率、均方差传统数学特征相结合,输入到支持向量机,得到ST段形态识别的平均识别准确率96.70%。利用ST段形态识别的模型,提取每30秒时长的心电信号的ST段形态因子,即每种ST段形态在信号中出现的次数占总心拍的比值,根据实验结果发现心肌缺血的ST段形态主要集中在水平压低型和弓背抬高型,非心肌缺血的ST段形态主要集中在正常、上斜型和弓背压低型,表明了ST段形态因子可以作为心肌缺血检测的有效特征。（2）心肌缺血的心电图表现除了ST段形态的改变,T波也会发生特异性改变,为了使特征表达更全面,提高心肌缺血的检测精度,本文以ST-T段为研究对象,挖掘更深层次的信息,提出了融合时域和频域特征的心肌缺血检测算法。通过将每30秒心电信号中的ST-T段拼接成ST-T趋势信号,去除其他波段的干扰,采用希尔伯特-黄变换对ST-T趋势信号进行频域分析,从解析式和边际谱中提取出瞬时频率、瞬时振幅和边际谱熵特征。最后将频域特征与上述时域形态因子融合后,输入到经遗传算法优化的支持向量机分类器中,实现对心肌缺血的检测,得到平均识别准确率为97.96%,实验结果表明了本文算法的有效性,为临床上心肌缺血的诊断提供算法支持。