基于XGBoost模型的心律失常分类算法研究

• 作者: 吴水才 李云 袁丽
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 心电信号 XGBoost 心律失常 特征提取 机器学习
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 医学工程技术
• 页码范围: 24-28
• 页数: 5页
• 分类号: R540.4+1
• 字数: 4618字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2019.07.006

摘要

为了提高心律失常自动诊断的识别率,本文提出一种基于XGBoost模型的心律失常分类方法.对MLII导联信号进行分析,提取信号投影特征和RR间期特征形成特征向量,标准化后输入到XGBoost分类器.通过训练,得到的基于XGBoost的心律失常分类模型可以将心电信号按照AAMI标准分为四类:正常或束支传导阻滞节拍(N)、室上性异常节拍(S)、心室异常节拍(V)和融合节拍(F).采用MIT-BIH心律失常数据库进行测试,在相同数据集的情况下,与已有心律失常检测方法进行对比,平均识别准确率进一步提高,达到94.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴水才	北京工业大学生命科学与生物工程学院	217	1199	17.0	26.0
2	李云	北京工业大学生命科学与生物工程学院	16	92	5.0	9.0
3	袁丽	北京工业大学生命科学与生物工程学院	4	8	2.0	2.0