基于多分類(lèi)器動(dòng)態(tài)層次集成的心律不齊診斷算法研究.pdf

1、心律不齊是心血管疾病中最常見(jiàn)的疾病之一，威脅著人們正常的生命健康，嚴(yán)重的突發(fā)性心律不齊類(lèi)型死亡率高，因此及時(shí)準(zhǔn)確地檢測(cè)出心律不齊對(duì)預(yù)防和治療各種心臟疾病具有重要的臨床意義。
　　心律不齊自動(dòng)識(shí)別系統(tǒng)可以更好地預(yù)防心臟疾病，為疾病治療爭(zhēng)取最佳時(shí)機(jī)，同時(shí)協(xié)助醫(yī)生診斷，使其從大量的數(shù)據(jù)中重點(diǎn)關(guān)注異常心電圖形，提升醫(yī)療診斷效率。目前，研究者已經(jīng)提出很多方法盡可能地改善心律不齊識(shí)別準(zhǔn)確率，但是他們?nèi)匀缓雎粤藘蓚€(gè)重要問(wèn)題:特征選擇和類(lèi)不平衡。

2、現(xiàn)有研究采用不同類(lèi)型的特征對(duì)心律不齊分類(lèi)，但是這些特征是如何選擇的以及哪些特征更重要，缺乏一個(gè)系統(tǒng)的研究;小類(lèi)往往是致命的疾病，現(xiàn)有研究往往忽視了類(lèi)不平衡問(wèn)題，如何改善小類(lèi)識(shí)別率也是本文研究的課題。
　　本文使用國(guó)際公認(rèn)的MIT-BIH心電數(shù)據(jù)庫(kù)，首先進(jìn)行數(shù)據(jù)預(yù)處理，每30個(gè)RR間期作為一個(gè)特征向量，共提取2943個(gè)向量，包含7類(lèi)常見(jiàn)的心律不齊類(lèi)型:正常竇性心律，室性二聯(lián)律，心房顫動(dòng)，心房撲動(dòng)，竇性心動(dòng)過(guò)緩，二度傳導(dǎo)阻滯和起搏節(jié)律

3、。其次通過(guò)對(duì)前人研究中所采用特征的系統(tǒng)梳理，總結(jié)并提取適合短時(shí)間RR間期序列分析的可用特征，包含線(xiàn)性時(shí)域、線(xiàn)性頻域、非線(xiàn)性熵和混沌等不同類(lèi)型共41個(gè)特征;然后分別使用主成分分析(Principal ComponentAnalysis，PCA)和等距離映射算法(Isometric Mapping，ISOMAP)數(shù)據(jù)降維方法，將數(shù)據(jù)降到3維畫(huà)出散點(diǎn)圖進(jìn)行可視化分析，直觀(guān)分析和認(rèn)識(shí)7個(gè)類(lèi)別在3維空間中的分布結(jié)構(gòu);在此基礎(chǔ)上，使用異常檢測(cè)方法局

4、部異常因子(LocalOutlier Factor，LOF)去除離群點(diǎn);最后提出一種多分類(lèi)器動(dòng)態(tài)層次集成方法(Dynamic Hierarchical Ensemble of Multiple Classifiers，DHEMC)來(lái)同時(shí)處理特征選擇和類(lèi)不平衡問(wèn)題。該方法根據(jù)分類(lèi)器在訓(xùn)練集中的表現(xiàn)自動(dòng)選擇最優(yōu)的分類(lèi)器，同時(shí)使用隨機(jī)森林特征選擇方法得到特征排序，并使用SMOTE算法改善小類(lèi)樣本的分類(lèi)準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比，本文