心房颤动（简称房颤）是一种常见且危害极大的心律失常。房颤发作时,心房杂乱无章的颤动会造成心排出量减少并加快血栓的形成,脱落的血栓则容易造成血管堵塞,严重时可能会引起缺血性脑卒中和心肌梗死等危及生命的疾病。房颤的患病率和发病率随着年龄的增长而增加,因此,随着人口老龄化的问题日益凸显,房颤对于人类健康的威胁也愈发严峻。动态心电图是临床上常用的心律失常诊断方式,但是由于其所采用的湿电极的记录性能会随记录时间增加而下降以及监护仪体积较大等问题,不适用于长时程心电监护,而房颤在发作之初通常表现为阵发性房颤,短时间的心电图检查往往不能有效地用于房颤诊断。新型的柔性干电极由于避免了导电凝胶的使用,可以应用于长时程心电监护,搭配人工智能算法的穿戴式心电监护设备近年来也显现出了其在临床房颤监护中应用潜力。但是,目前的相关研究往往仅关注于新型电极材料、穿戴式心电监护设备的研发,亦或是仅关注于基于公开数据库的房颤自动检测与预测算法研究,学术界缺乏针对该类问题的系统性研究。针对上述问题,本文的工作内容及创新点如下:（1）提出和研究了基于丝网印刷的新型柔性干电极用于生物电信号检测,并对湿电极和干电极的电极-皮肤接触面等效电路模型进行了建模和对比分析,设计了一种具有分层结构的柔性干电极的制备方案。通过对所研制的柔性干电极进行清洗测试、拉伸测试和接触阻抗测量等实验分析,全面评估了柔性干电极的电气和机械性能。同时,通过不同运动状态下的心电信号检测实验以及长时程心电信号检测实验,对柔性干电极的心电信号检测性能进行了评估,验证了柔性干电极可以在不使用医用粘合剂与导电凝胶的情况下达到与Ag/Ag Cl湿电极类似的记录效果。（2）提出和构建了基于柔性干电极和深度学习的房颤自动检测方法,基于前期的深度学习算法研究成果和本文所提出的4个待优化的心电贴导联配置方案进行了协同设计。通过包含40例房颤患者的临床试验评估,验证了本文提出的房颤自动检测方法在临床应用中的泛化能力,其平均准确率达到了93.1%。（3）提出和构建了一种基于RR间期滑动窗口和深度学习方法的房颤发作预测算法模型,基于公开数据库AFPDB的测试结果显示,该模型的最佳灵敏度、特异度和准确率分别达到93.67%、92.06%、92.86%。同时,通过提取46类不同的心率变异性特征,对采用不同心电信号分段方式时不同机器学习模型的房颤发作预测性能进行了对比评估。综上所述,本文对基于柔性干电极和人工智能的房颤自动检测与预测方法进行了研究,提出了一套基于柔性干电极的穿戴式心电监护系统及临床房颤自动检测方法,彻底解决了传统湿电极的导电凝胶所带来的问题,为临床心律失常的自动化精确诊断提供了新的技术手段,有助于推动生物电检测技术的发展和理论体系的完善。由于本课题研究时间和临床实验样本有限,本文只进行了初步的探讨和分析,本课题所得出的相关结果和结论有待将来进一步开展更大规模的临床试验来进行评估验证。