1.一种基于顺序池化卷积神经网络和递归神经网络的可除颤心律识别装置，其特征在于，包括分帧单元、卷积单元、顺序池化单元和训练单元；

所述分帧单元，用于对获取的原始心电信号进行滑动窗处理；

所述卷积单元，用于采用卷积运算对各滑动窗内的心电数据进行带通滤波和波形斜率提取；

所述顺序池化单元，用于统计所有滑动窗内的心电数据的斜率分布特征；

所述训练单元，用于将所述斜率分布特征输入至递归神经网络，利用斜率分布特征的动态时序关系识别可除颤心律；

以卷积单元作为通用模型，实现各滑动窗内的心电数据的带通滤波和波形斜率提取，公式如下：

其中，yt表示第t个采样点所对应的斜率分布特征，t∈{1,2,...,n}表示采样点的序号，n表示采样点的总个数，b表示偏置值，ai表示滤波系数向量中的第i个滤波系数，L表示滤波系数向量中元素的总个数， 表示滑动窗内第t‑i+1个心电数据。

2.根据权利要求1所述的装置，其特征在于，所述训练单元具体用于将依据经验带通滤波和一阶差分梯度计算的CNN初值以及预训练完毕后的RNN初值作为CNN‑RNN复合网络的初始参数，采用反向梯度传播法更新CNN‑RNN复合网络的初始参数；若达到训练截止条件，则输出训练好的心律识别模型，以便于利用斜率分布特征的动态时序关系识别可除颤心律。

3.根据权利要求1所述的装置，其特征在于，所述递归神经网络为长短期记忆网络、门控循环单元或双向循环神经网络。

4.根据权利要求2所述的装置，其特征在于，将所述心律识别敏感性函数和心律识别特异性函数的几何平均值或交叉熵作为所述心律识别模型的目标函数。