循环谱分析在心律失常分类中的应用研究

• 作者: 卢莉莉 吕卫 李喆 褚晶辉
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 心律失常分类 循环谱 超限学习机
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1783-1791
• 页数: 9页
• 分类号: TP391
• 字数: 5988字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1608083

摘要

心电信号心律失常分类性能主要取决于有效的特征提取和分类器设计.针对传统心律失常分类研究中,多数研究直接利用时域或者频域特征实现心律失常分类,对于多类别的分类性能仍有待提高.鉴于此,选用循环谱分析方法实现心律失常多分类任务.假设信号处于非平稳状态,建立更符合心电信号实际状态的模型去捕捉心电信号中的隐含周期实现心律失常分类.在提取形态特征和时频域小波系数特征之外,利用循环谱技术提取了谱相关系数特征用于后续多分类任务.除此之外,比较了人工神经网络、传统支持向量机和超限学习机分类器在该实验环境下的分类性能,通过多组对比实验,结果表明,利用循环谱技术结合超限学习机分类器进行心律失常分类,可以区分10类心律失常并在MIT-BIH心律失常数据库上实现了98.13%的平均分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李喆	天津大学电子信息工程学院	20	262	8.0	15.0
2	吕卫	天津大学电子信息工程学院	53	338	10.0	15.0
3	褚晶辉	天津大学电子信息工程学院	34	261	8.0	14.0
4	卢莉莉	天津大学电子信息工程学院	5	9	2.0	3.0