結(jié)合模糊推理與加權(quán)相似的心電診斷方法.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、心電信號是人類應用于臨床醫(yī)學的生物信號之一,是心臟活動在體表的綜合反映,是判斷心臟病癥的重要指標。而目前心電信號異常的判斷基本由醫(yī)生的直接經(jīng)驗決定,這使得判斷結(jié)果存在很大的主觀依賴性,無法確保準確率。
  模糊概念格可以將模糊描述轉(zhuǎn)化為“模糊屬性值”再進行診斷分類,以解決領(lǐng)域本體推理無法對模糊描述的心電特征進行診斷的問題;而利用模糊概念格匹配進行心電診斷,會把心電全部屬性對結(jié)論的影響都考慮作同等重要,結(jié)果就會被與特定病型無關(guān)的屬性

2、誤導。因此,本文提出一種結(jié)合模糊推理和加權(quán)相似的心電診斷方法,其中模糊推理部分由領(lǐng)域本體推理和模糊概念格共同完成,該方法涉及三大部分:心電預處理、心點特征提取和心電診斷。
  1.心電信號的預處理部分,根據(jù)心電信號主要的噪聲即基線漂移和高頻噪聲的不同特點,本文分別運用數(shù)學形態(tài)學和小波變換的方法來濾除噪聲。
  2.在心電信號的特征提取部分,本文選取ST段抬高,ST段降低,QRS波段寬大,T波倒置,T波電交替這五個作為特征提取

3、參數(shù),在模型學習部分,對屬于同一類型的多個心電信號進行特征提取,獲得特定類型心電的特征屬性值向量;此外利用同樣的特征提取方法對待檢心電進行特征提取,獲得待檢心電的特征屬性值向量。
  3.在心電診斷部分,本文提出一種結(jié)合模糊推理與加權(quán)相似的心電診斷方法,利用心電領(lǐng)域知識構(gòu)建領(lǐng)域本體,然后根據(jù)映射關(guān)系得到模糊概念格,在其形式背景中加入屬性閾值來剔除無關(guān)屬性,特征提取部分所得特征屬性值作為隸屬度值,領(lǐng)域本體結(jié)合模糊概念格的節(jié)點關(guān)系進行

4、模糊推理,根據(jù)推理結(jié)果鎖定候選病型匹配集,得到病型候選概率值,最后將此概率值加入到熵的概率加權(quán)相似度量分類算法中對特征屬性值向量進行計算,從而獲得最終診斷結(jié)果。
  最后,本文使用VC++6.0設(shè)計了心電診斷系統(tǒng)的界面,聯(lián)合Protégé和Matlab,實現(xiàn)心電信號的計算機輔助診斷。為了驗證本文所提心電診斷方法,利用圣彼得堡12導聯(lián)心律失常數(shù)據(jù)庫中的50例有專家標注類型的心電信號作為測試樣本,來對系統(tǒng)進行測試,實驗結(jié)果表明本文的方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論