心律不齊ECG 模式分類研究.pdf

1、心臟病是導(dǎo)致人類死亡的主要疾病之一，心電圖監(jiān)測(cè)是最有效的預(yù)防心臟病的方法，利用計(jì)算機(jī)來監(jiān)測(cè)心電信號(hào)、識(shí)別異常心電信號(hào)并且對(duì)心臟病進(jìn)行預(yù)警正在成為生物醫(yī)療領(lǐng)域的一個(gè)熱點(diǎn)。 心律不齊的類型是反映心臟電活動(dòng)穩(wěn)定性的一個(gè)重要指標(biāo)，盡早地識(shí)別心律不齊非常重要。以往的研究中對(duì)心律不齊心電信號(hào)的模式分類主要運(yùn)用了小波變換、模板匹配、句法分析、數(shù)據(jù)聚類等算法，效果不是十分理想。本文中我們主要針對(duì)心律不齊心電信號(hào)進(jìn)行研究，探討比較了傳統(tǒng)的心電模式

2、分類方法，提出了利用PCA、ICA和SVM技術(shù)將不同類型的心律不齊信號(hào)進(jìn)行模式分類的算法。 獨(dú)立分量分析（ICA）是一種從多維觀測(cè)信號(hào)中提取統(tǒng)計(jì)獨(dú)立成分的新的盲信號(hào)處理技術(shù)。該技術(shù)現(xiàn)已在生物醫(yī)學(xué)、模式識(shí)別、雷達(dá)信號(hào)處理等眾多領(lǐng)域引起極大的關(guān)注。支持向量機(jī)（SVM）是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的通用模式分類方法，由于其強(qiáng)大的學(xué)習(xí)能力和良好的泛化性能，支持向量機(jī)已經(jīng)應(yīng)用到許多模式分類領(lǐng)域。 本文利用了MIT-BIH心律不齊數(shù)據(jù)

3、庫(kù)，目標(biāo)是提出一種能夠有效分離正常心電、左束支傳導(dǎo)阻滯、右束支傳導(dǎo)阻滯和室性過早搏動(dòng)這幾種常見心律不齊疾病的方法?？紤]到心律不齊的心跳都是心臟某部位不正常工作產(chǎn)生，應(yīng)該能從單個(gè)心跳的形狀來判斷出疾病類型。因而我們研究的對(duì)象是從數(shù)據(jù)庫(kù)中提取出來的6000多單個(gè)心跳波形。 本文提出了兩種對(duì)心律不齊心電進(jìn)行模式分類的方法：一種采用主分量分析的方法來提取心電的特征向量；考慮到心電的產(chǎn)生原理是心臟多個(gè)部位發(fā)出的信號(hào)混合，我們還采用了獨(dú)立分量