传感器与微系统
傳感器與微繫統
전감기여미계통
TRANSDUCER AND MICROSYSTEM TECHNOLOGY
2014年
9期
55-57,61
,共4页
心房肥大%小样本%支持向量机%分类器融合
心房肥大%小樣本%支持嚮量機%分類器融閤
심방비대%소양본%지지향량궤%분류기융합
atrial hypertrophy%small sample%support vector machine(SVM)%chassifer fusion
基于便携式传感器的模式识别在心电(ECG)监护领域具有广泛的应用前景,并且在心律不齐、心肌梗塞、心室肥大等心电的识别算法上都已有大量的研究与应用,但在心房肥大诊断上却未有模式识别相关的研究成果.心房肥大病症的心电数据量不足给研究造成重大障碍,部分分类器无法适应小样本训练下的分类.针对小样本训练进行研究,对比了不同分类方法,显示了基于统计模式识别的支持向量机(SVM)应用于心房肥大的应用潜力.另外,由于不同个体的心房肥大心电存在差异,在实际应用环境中,SVM存在无法良好泛化的问题,存在类别错分的医学风险.针对类别错分情况,采用分类器融合的方法改进分类器,提出了在SVM分类器输出端增加了拒绝域的分类器(SVM-R)的方法.实验结果表明:SVM-R有较高的分类准确率与诊断可信度.
基于便攜式傳感器的模式識彆在心電(ECG)鑑護領域具有廣汎的應用前景,併且在心律不齊、心肌梗塞、心室肥大等心電的識彆算法上都已有大量的研究與應用,但在心房肥大診斷上卻未有模式識彆相關的研究成果.心房肥大病癥的心電數據量不足給研究造成重大障礙,部分分類器無法適應小樣本訓練下的分類.針對小樣本訓練進行研究,對比瞭不同分類方法,顯示瞭基于統計模式識彆的支持嚮量機(SVM)應用于心房肥大的應用潛力.另外,由于不同箇體的心房肥大心電存在差異,在實際應用環境中,SVM存在無法良好汎化的問題,存在類彆錯分的醫學風險.針對類彆錯分情況,採用分類器融閤的方法改進分類器,提齣瞭在SVM分類器輸齣耑增加瞭拒絕域的分類器(SVM-R)的方法.實驗結果錶明:SVM-R有較高的分類準確率與診斷可信度.
기우편휴식전감기적모식식별재심전(ECG)감호영역구유엄범적응용전경,병차재심률불제、심기경새、심실비대등심전적식별산법상도이유대량적연구여응용,단재심방비대진단상각미유모식식별상관적연구성과.심방비대병증적심전수거량불족급연구조성중대장애,부분분류기무법괄응소양본훈련하적분류.침대소양본훈련진행연구,대비료불동분류방법,현시료기우통계모식식별적지지향량궤(SVM)응용우심방비대적응용잠력.령외,유우불동개체적심방비대심전존재차이,재실제응용배경중,SVM존재무법량호범화적문제,존재유별착분적의학풍험.침대유별착분정황,채용분류기융합적방법개진분류기,제출료재SVM분류기수출단증가료거절역적분류기(SVM-R)적방법.실험결과표명:SVM-R유교고적분류준학솔여진단가신도.
