基于多特征融合的心搏类型识别研究

摘要：

心律失常是一种常见的心电活动异常,严重的可能危及人的生命.为了能准确诊断心律失常,提出了一种新的方法,用于心律失常诊断中对心搏的识别分类.首先对原始心电信号进行去噪预处理,并根据R峰位置获得心搏段.然后提取235单心搏特征点、R波幅值、P R间期、QT间期、ST段和RR间期作为特征参数,并对比分析不同特征组合下分类的性能,选出最佳的特征组合,最后基于最佳特征组合使用KNN模型对心搏进行分类.在MIT-BIH心律失常数据库上进行实验,并根据ANSI/AAMI分类方法对MIT-BIH心律失常数据库中的3种心搏类型:正常或束支传导阻滞(N)、室上性异位搏动(S)、心室异位搏动(V)进行分类.实验结果显示:S类心搏的灵敏度为87.8％,阳性预测值为95.1％;V类心搏的灵敏度为96.6％,阳性预测值为98.2％,测得的平均准确率为99.2％.与其他心搏分类方法相比,所提的基于多特征融合与KN N模型的心搏分类方法提高了分类准确率,具有较高的灵敏度和阳性预测值,对临床决策具有重要价值.

关键词：心电图;多特征融合;KN N模型;心搏分类

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;兵团重点领域科技攻关项目

在线出版日期：2021-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-12