本文關鍵詞：一種基于MBE和HHT的心電信號自動分類方法　出處：《航天醫(yī)學與醫(yī)學工程》2017年01期 　論文類型：期刊論文

  更多相關文章： 自動分類 心電信號 多尺度化基本尺度熵 希爾伯特-黃變換 支持向量機

【摘要】：目的研究一種基于多尺度化基本尺度熵(multiscale base-scale entropy,MBE)和希爾伯特-黃變換(Hilbert-Huang transform,HHT)的心電信號自動分類方法。方法首先利用離散小波變換對心電信號進行去噪預處理;其次利用多尺度化基本尺度熵進行分析,提取多個尺度下的基本尺度熵值;然后利用希爾伯特-黃變換得到希爾伯特邊際譜,并求取邊際譜的信息熵;最后將這兩部分特征參數(shù)輸入到支持向量機中,實現(xiàn)心電信號的自動分類。結果健康人、心律不齊患者、呼吸暫停患者和房顫患者的心電信號分類準確率分別為87.5%、93.75%、90.63%和90.63%。結論本文提出的基于多尺度化基本尺度熵和希爾伯特-黃變換的分類方法,可以有效實現(xiàn)心電信號的自動分類。
[Abstract]:Objective to study a multiscale base-scale entropy based on multi-scale basic scale entropy. And Hilbert-Huang transform. Firstly, the discrete wavelet transform is used to pre-process the ECG signal. Secondly, the basic scale entropy of multiple scales is extracted by using the multi-scale basic scale entropy analysis. Then the Hilbert marginal spectrum is obtained by Hilbert-Huang transform and the information entropy of the marginal spectrum is obtained. Finally, the feature parameters of these two parts are input into support vector machine to realize the automatic classification of ECG signals. Results healthy people, patients with arrhythmia. The accuracy of ECG classification in patients with apnea and atrial fibrillation was 87.5% and 93.75% respectively. Conclusion the classification method based on multi-scale basic scale entropy and Hilbert-Huang transform can effectively realize the automatic classification of ECG signals.
【作者單位】： 北京理工大學信息與電子學院;
【分類號】：R540.4;TN911.7
【正文快照】： 心電(electrocardiogram,ECG)信號中蘊含著許多關于心臟生理功能的信息,對ECG信號進行分類是心血管疾病診斷的重要途徑[1]。通過對ECG信號進行分析能夠獲得反映心臟健康狀況的特征參數(shù),可作為ECG信號分類的有效依據(jù)[2]。ECG信號分類的傳統(tǒng)方法主要是人工方式,但此方法耗費時間

【相似文獻】

相關期刊論文 前2條

1 宋莉;孟慶建;張光玉;車琳琳;曹衛(wèi)芳;;基于波形特征和SVM的心電信號自動分類方法研究[J];中國醫(yī)學物理學雜志;2010年04期

2 ;[J];;年期

相關會議論文 前1條

1 劉杰;王光飛;;體視化中的自動分類方法[A];2004年CT和三維成像學術年會論文集[C];2004年

相關碩士學位論文 前10條

1 樊承柱;基于深度神經(jīng)網(wǎng)絡的心電圖自動分類方法研究與實現(xiàn)[D];山東大學;2016年

2 蔚磊;基于地域風格的中國民歌自動分類方法的研究[D];中國人民大學;2008年

3 姚振農(nóng);產(chǎn)品專利自動分類方法研究與應用[D];浙江大學;2008年

4 范敏敏;企業(yè)經(jīng)營范圍字段自動分類方法研究[D];哈爾濱工業(yè)大學;2010年

5 陳國旭;垂直剖面法礦產(chǎn)資源儲量估算軟件實現(xiàn)技術及自動分類方法研究[D];中國地質(zhì)大學;2008年

6 魏娜;基于SVM的車輛自動分類方法研究與實現(xiàn)[D];蘇州大學;2008年

7 韓杰;路面病害圖像自動分類方法研究與分析[D];南京理工大學;2007年

8 江斌;微博自動分類方法研究及應用[D];哈爾濱工業(yè)大學;2012年

9 李岱超;社區(qū)用戶信息自動分類方法的研究與實現(xiàn)[D];北京郵電大學;2015年

10 呂鳳花;基于SVM的考慮傾斜角度的車輛分類方法的研究[D];昆明理工大學;2011年

，

本文編號：1410770