换一批摘要心律失常对于人的生命威胁往往迅速且致命.利用心电图的心拍分类可以发现心律失常.因此,近年来针对心电图的心拍分类研究越来越多.以MIT-BIH心律失常数据库作为研究对象,首先,在对心电信号滤波的基础上,结合小波变换的模极值与形态学峰谷检测算法确定QRS波峰谷点及其它相关特征点;然后,设计了16个反映心电信号(electrocardiogram,ECG)的间期特征和幅值特征;最后,基于粒子群算法(particle swarm optimization,PSO)优化的支持向量机(support vector machine,SVM)分类器对心拍分类诊断,并与决策树(classification and regression tree,CART)算法、遗传算法(genetic algorithm,GA)优化后的SVM分类器进行对比,得出结论:PSO-SVM算法对于心律失常的分类效果明显优于CART算法,略优于GA-SVM算法.方法不依赖于带标注的高质量心律失常数据库,所选特征符合医生诊断规则,具有一定的可解释性.
更多相关知识
- 浏览1
- 被引5
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
