计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
4期
1173-1175
,共3页
心电图%数学形态学%R波检测%心律失常分类%支持向量机
心電圖%數學形態學%R波檢測%心律失常分類%支持嚮量機
심전도%수학형태학%R파검측%심률실상분류%지지향량궤
为实现对不同类型的心电图自动分析,研究并提出了一种顺序筛选极大值的R波定位算法,并采用支持向量机(SVM)进行最后的心律失常心拍识别.定位算法以数学形态学为基础,结合心电图自身特点,定义R波筛选区间,避免了传统算法中的阈值选择；定位R波峰后以R波峰为中心提取不同类型的心率失常的心拍,选择径向基(RBF)支持向量机进行识别分类.使用MIT-BIH心率失常数据库文件进行实验仿真,结果表明,算法对含不同类型心拍的心电图R波峰正确检测率较高(99.36％),学习后的SVM能有效识别早搏、房颤、束支传导阻滞、正常等不用类型心拍,总体识别率达到99.75％.
為實現對不同類型的心電圖自動分析,研究併提齣瞭一種順序篩選極大值的R波定位算法,併採用支持嚮量機(SVM)進行最後的心律失常心拍識彆.定位算法以數學形態學為基礎,結閤心電圖自身特點,定義R波篩選區間,避免瞭傳統算法中的閾值選擇；定位R波峰後以R波峰為中心提取不同類型的心率失常的心拍,選擇徑嚮基(RBF)支持嚮量機進行識彆分類.使用MIT-BIH心率失常數據庫文件進行實驗倣真,結果錶明,算法對含不同類型心拍的心電圖R波峰正確檢測率較高(99.36％),學習後的SVM能有效識彆早搏、房顫、束支傳導阻滯、正常等不用類型心拍,總體識彆率達到99.75％.
위실현대불동류형적심전도자동분석,연구병제출료일충순서사선겁대치적R파정위산법,병채용지지향량궤(SVM)진행최후적심률실상심박식별.정위산법이수학형태학위기출,결합심전도자신특점,정의R파사선구간,피면료전통산법중적역치선택；정위R파봉후이R파봉위중심제취불동류형적심솔실상적심박,선택경향기(RBF)지지향량궤진행식별분류.사용MIT-BIH심솔실상수거고문건진행실험방진,결과표명,산법대함불동류형심박적심전도R파봉정학검측솔교고(99.36％),학습후적SVM능유효식별조박、방전、속지전도조체、정상등불용류형심박,총체식별솔체도99.75％.
