基于決策樹的J波檢測技術(shù)研究.pdf

1、J波是心電圖（Electrocardiogram, ECG）中QRS波終點(diǎn)與ST段起點(diǎn)之間的電位變化。J波會引起一系列的綜合征，并引發(fā)惡性心律失常和心臟性猝死等心臟疾病。目前，對J波的檢測還主要依靠醫(yī)生的臨床經(jīng)驗(yàn)，這樣會出現(xiàn)很大的誤差。通過信號處理的方法，對J波快速準(zhǔn)確的識別檢測可以預(yù)防J波綜合征的發(fā)生。
　　本研究基于多層分類的思想，旨在利用卡爾曼濾波和決策樹分類算法對J波進(jìn)行檢測識別。在檢測之前，首先利用小波去噪的方法對采集的

2、心電信號進(jìn)行噪聲的消除，剔除了工頻噪聲、肌電噪聲以及基線漂移對J波檢測的影響。去噪之后的信號獲得更高的信噪比，為J波的準(zhǔn)確檢測打下基礎(chǔ)。接著，運(yùn)用卡爾曼濾波對心電信號進(jìn)行了預(yù)檢測。實(shí)現(xiàn)了對心電信號的異常突變進(jìn)行預(yù)警，將采集的數(shù)據(jù)進(jìn)行了篩選，從而降低了J波檢測識別的誤檢率。對心電信號預(yù)檢測之后，數(shù)據(jù)集中只剩下了ST段存在異常的心電記錄。為構(gòu)建有效的J波檢測模型，對心電信號進(jìn)行了多方位的特征提取。提取了六種時頻特征，其中兩種時頻特征，四種頻

3、域特征。之后對提取的特征進(jìn)行了相關(guān)性分析和流形算法降維處理，目的就是實(shí)現(xiàn)特征的優(yōu)化，降低算法的復(fù)雜度，減少計算成本。然后利用C4.5算法對決策樹進(jìn)行了構(gòu)建，并通過訓(xùn)練使算法達(dá)到穩(wěn)定。為提高決策樹的精度，利用改進(jìn)的樣本選取方法對決策樹進(jìn)行訓(xùn)練和測試。結(jié)果表明，改進(jìn)后的算法在一定程度上降低了J波檢測的誤差率。通過實(shí)驗(yàn)驗(yàn)證，提出J波檢測方法在準(zhǔn)確率上達(dá)到了96.16％，而且特異性和敏感性也均超過95%。另外，檢測性能也優(yōu)于同領(lǐng)域的其他算法，達(dá)