心律不齊ECG 模式分類研究.pdf

1、心臟病是導致人類死亡的主要疾病之一，心電圖監(jiān)測是最有效的預防心臟病的方法，利用計算機來監(jiān)測心電信號、識別異常心電信號并且對心臟病進行預警正在成為生物醫(yī)療領域的一個熱點。 心律不齊的類型是反映心臟電活動穩(wěn)定性的一個重要指標，盡早地識別心律不齊非常重要。以往的研究中對心律不齊心電信號的模式分類主要運用了小波變換、模板匹配、句法分析、數(shù)據(jù)聚類等算法，效果不是十分理想。本文中我們主要針對心律不齊心電信號進行研究，探討比較了傳統(tǒng)的心電模式

2、分類方法，提出了利用PCA、ICA和SVM技術將不同類型的心律不齊信號進行模式分類的算法。 獨立分量分析（ICA）是一種從多維觀測信號中提取統(tǒng)計獨立成分的新的盲信號處理技術。該技術現(xiàn)已在生物醫(yī)學、模式識別、雷達信號處理等眾多領域引起極大的關注。支持向量機（SVM）是一種基于結構風險最小化原則的通用模式分類方法，由于其強大的學習能力和良好的泛化性能，支持向量機已經(jīng)應用到許多模式分類領域。 本文利用了MIT-BIH心律不齊數(shù)據(jù)

3、庫，目標是提出一種能夠有效分離正常心電、左束支傳導阻滯、右束支傳導阻滯和室性過早搏動這幾種常見心律不齊疾病的方法?？紤]到心律不齊的心跳都是心臟某部位不正常工作產(chǎn)生，應該能從單個心跳的形狀來判斷出疾病類型。因而我們研究的對象是從數(shù)據(jù)庫中提取出來的6000多單個心跳波形。 本文提出了兩種對心律不齊心電進行模式分類的方法：一種采用主分量分析的方法來提取心電的特征向量；考慮到心電的產(chǎn)生原理是心臟多個部位發(fā)出的信號混合，我們還采用了獨立分量