基于自适应学习的心律失常心拍分类方法

• 作者: 杨枢 王凯
• 来源期刊: 中国医学物理学杂志
• 关键词: 心电图 自适应分类器 特征提取 分类
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 医学信号处理与医学仪器
• 页码范围: 92-96
• 页数: 5页
• 分类号: R318|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2019.01.018

摘要

心律失常是因心脏疾病引起的心电活动中的异常症状,早期心室收缩(PVC)是由异位心跳引起的常见心律失常形式.通过心电图(ECG)信号检测PVC对于预测可能的心力衰竭具有重要意义.本文提出一种面向PVC心拍分类的心电信号分类算法,重点研究基于自适应学习的PVC异常心拍分类特征提取模型,通过计算心拍关联后验概率,结合领域专家标注信息训练分类器,提高整体分类效果.实验采用MIT-BIH心律失常数据库的ECG数据,研究结果表明所提方法针对非线性流形结构数据,能够有效提升小样本心拍自适应分类器的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨枢	蚌埠医学院卫生管理系	12	31	2.0	5.0
3	王凯	蚌埠医学院卫生管理系	41	25	3.0	3.0