動態(tài)心電圖波形改進(jìn)分類策略研究.pdf

1、心電圖(簡稱ECG)是反映心臟興奮的電活動過程，是人類生命活動中一個(gè)明顯的體現(xiàn)。心電圖反映了人體心臟的工作狀況，它的各個(gè)波形的不同變化往往體現(xiàn)出了某些病變。在現(xiàn)代醫(yī)學(xué)中，心電圖正越來越成為醫(yī)生診斷心臟疾病的依據(jù)。動態(tài)心電圖(Dynamic Electrocardiogram)長時(shí)間地記錄心臟的狀況，一般在24小時(shí)內(nèi)記錄近10萬次左右的心跳所產(chǎn)生的心電圖。由于記錄時(shí)間長、數(shù)據(jù)量龐大等原因，醫(yī)生不可能閱讀每一次心動事件用于心臟病診斷，如何準(zhǔn)

2、確、可靠、完整、快速地從中抽取各類典型心電數(shù)據(jù)充當(dāng)診斷依據(jù)，成為當(dāng)今研究的熱點(diǎn)。
　　 機(jī)器學(xué)習(xí)(Machine Learning)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。機(jī)器學(xué)習(xí)的理論方法可被用于大數(shù)據(jù)集的數(shù)據(jù)挖掘這一領(lǐng)域。當(dāng)前，機(jī)器學(xué)習(xí)研究與應(yīng)用中最常用的關(guān)鍵技術(shù)有：集成學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、決策樹、統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)、隱馬爾可夫模型、神經(jīng)網(wǎng)絡(luò)、k近鄰方

3、法、序列分析、聚類、粗糙集理論、回歸模型等。
　　 本文以動態(tài)心電圖波形為研究對象，研究動態(tài)心電圖波形數(shù)據(jù)的采集、整理、預(yù)處理，引入機(jī)器學(xué)習(xí)的概念，通過比較和分析確定一種分類算法并加以改進(jìn)。具體內(nèi)容包括采用小波變換及閾值檢測的方法檢測R波，并以設(shè)計(jì)一套動態(tài)心電圖波形自動分類系統(tǒng)為目的，將聚類方法與分類方法相結(jié)合，在已完成聚類策略的篩選之后，通過對比不同分類方法在動態(tài)心電圖波形分類中的優(yōu)劣，確定了K近鄰(KNN)分類策略，并對波形