基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的研究得到高效、快速、高准确率的心电图的分类方法.方法运用Mexican-hat小波检测多导联心电信号的特征点,然后运用径向基函数网络对特征进行分类.结果经过MIT-BIH心电数据库波形试验,并与别的实验比较证明,该方法具有较高准确率,对学习过的波形分类正确率达到100.0%,未学习过的86.6%.结论结合心电图的特点得到高准确率的分类方法.
推荐文章
基于小波变换的12-导联心电图特征提取方法
分段
特征抽取
小波变换
支撑向量机
心电图分类
大鼠胰腺及癌组织红外光谱连续小波特征提取及径向基人工神经网络识别
水平衰减全反射傅里叶变换红外光谱法
小波特征提取
径向基函数神经网络
胰腺癌
离散小波特征提取及人工神经网络分类法的傅里叶变换红外光谱法识别鳞毛蕨科3种植物
水平衰减全反射傅里叶变换红外光谱
离散小波特征提取
人工神经网络
鳞毛蕨科植物
识别分析
基于Gabor及深度神经网络的葡萄种子分类
分类识别
深度学习
特征提取
Gabor小波
葡萄种子
机器学习
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波特征提取的多导联心电图神经网络分类
来源期刊 第三军医大学学报 学科 医学
关键词 多导联 心电图分类 特征 Mexican-hat小波 神经网络
年,卷(期) 2006,(8) 所属期刊栏目 技术方法
研究方向 页码范围 857-858
页数 2页 分类号 R540.41
字数 2343字 语种 中文
DOI 10.3321/j.issn:1000-5404.2006.08.038
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 莫智文 四川师范大学数学与软件科学学院 109 711 15.0 20.0
2 冯俊 四川师范大学数学与软件科学学院 8 70 4.0 8.0
4 邱雅竹 四川师范大学数学与软件科学学院 6 97 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (9)
参考文献  (3)
节点文献
引证文献  (7)
同被引文献  (3)
二级引证文献  (16)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(4)
  • 引证文献(1)
  • 二级引证文献(3)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
多导联
心电图分类
特征
Mexican-hat小波
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
第三军医大学学报
半月刊
1000-5404
50-1126/R
大16开
重庆市沙坪坝区高滩岩30号
78-91
1979
chi
出版文献量(篇)
15739
总下载数(次)
28
总被引数(次)
97850
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导