基于近邻保持嵌入算法的心律失常心拍分类

• 作者: 李健 李智 陈珊珊 高兴姣
• 来源期刊: 生物医学工程学杂志
• 关键词: 心律失常 近邻保持嵌入 心电图 支持向量机
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 论著
• 页码范围: 1-6
• 页数: 6页
• 语种: 中文
• DOI: 10.7507/1001-5515.201605045

摘要

心律失常是一种极其常见的心电活动异常症状,基于心电图(ECG)的心拍分类对心律失常的临床诊断具有十分重要的意义.本文提出一种基于流形学习的特征提取方法——近邻保持嵌入(NPE)算法,实现心律失常心拍的自动分类.分类系统利用NPE算法获取高维心电节拍信号的低维流形结构特征,然后将特征向量输入支持向量机(SVM)分类器进行心拍的分类诊断.实验基于MIT-BIH心律失常数据库提供的ECG数据,对14种类型的心律失常心拍进行分类,总体分类准确率高达98.51％.实验结果表明,所提方法是一种有效的心律失常心拍分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李智		124	459	10.0	14.0
2	李健		120	605	14.0	20.0
3	陈珊珊		16	74	5.0	8.0
4	高兴姣		2	0	0.0	0.0