本文關(guān)鍵詞：基于張量的心電特征提取及模式分類方法研究

  更多相關(guān)文章： 12導(dǎo)聯(lián)心電信號 特征抽取 張量分解 秩1張量 判別分析 支持向量機

【摘要】：心電信號的自動分析診斷技術(shù)，是通過模式識別方法來提取心電信號中的有效特征，并給出輔助結(jié)論，從而幫助醫(yī)生更加快速準確地給出診斷結(jié)論，提高診斷效率并減少誤診率。傳統(tǒng)的心電信號自動分析診斷技術(shù)的研究對象主要是單導(dǎo)聯(lián)或2導(dǎo)聯(lián)心電信號，在向量空間來完成特征抽取和模式識別的過程。然而現(xiàn)在12導(dǎo)聯(lián)心電信號已經(jīng)成為醫(yī)學(xué)界通用的標準，如果仍然應(yīng)用向量空間中的方法來處理這類心電信號，將會丟失12導(dǎo)聯(lián)心電信號表征帶來的有價值的結(jié)構(gòu)信息，還會面臨小樣本問題。因此迫切需要針對12導(dǎo)聯(lián)心電信號提出新的處理方法。本文針對這一需求，提出了一個基于張量的心電自動分析處理框架，在張量空間完成12導(dǎo)心電信號的特征抽取過程，最大程度保留了真實心電數(shù)據(jù)中的完整信息，用于后續(xù)的模式分類。本文所提出的心電張量自動分析處理框架主要分為以下三個模塊： 1）心電信號預(yù)處理。在心電信號預(yù)處理部分，我們根據(jù)噪聲的不同來源使用了不同的方法對原始信號進行了去噪處理，然后基于特征點檢測對去噪信號進行了心跳切分。對于切分好的心跳信號，我們通過短時傅里葉變換將其映射到3階張量空間上，這樣既能捕捉到時域上心電波形在形態(tài)上（如波幅，間期等）的變化特征，也能捕捉到心電信號在頻域上功率譜變化的特征，提升心電特征可判別性。 2）特征抽取。本文首先介紹了向量空間中常用的幾種心電特征提取方法，然后重點研究了基于張量來提取心電信號特征的方法。根據(jù)最終獲取特征空間的不同，分別研究了通過張量分解和秩1張量判別分析來獲取12導(dǎo)聯(lián)心電特征的過程。秩1張量判別分析本質(zhì)上是一種類貪心算法：其在各個迭代過程中有局部最優(yōu)解，但在整體上并非全局最優(yōu)解。針對這一問題，我們提出了一種自適應(yīng)的秩1張量判別分析方法：根據(jù)訓(xùn)練數(shù)據(jù)在已有特征上的判別性，自適應(yīng)調(diào)整后續(xù)迭代中獲取的特征，從而使得所有特征在整體上能有更好的效果。 3）模式分類。在分類器的選擇過程中，通常需要考慮分類器的分類準確率以及性能。另外，心臟病種類繁多，是一個典型的多類分類問題，因此選擇的分類器必須具有良好的多類分類能力。我們最終選擇使用支持向量機來完成分類過程。支持向量機本質(zhì)上是一種稀疏核機器，能通過kernel trick來解決非線性分類問題，并且計算復(fù)雜度也很低，在很多分類問題中都被證明有很好的分類準確率和性能。在解決多類分類問題時，我們采用了一種投票的方式來擴展原始的二分類支持向量機。 在真實數(shù)據(jù)集上的實驗結(jié)果驗證了我們提出的張量方法能夠獲取判別性較好的特征，在模式分類中獲得了比向量空間方法更高的準確率，，另外我們提出的自適應(yīng)的秩1張量判別分析方法獲得了最好的分類實驗結(jié)果。
【關(guān)鍵詞】：12導(dǎo)聯(lián)心電信號 特征抽取 張量分解 秩1張量 判別分析 支持向量機
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.6;R318.04
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 插圖索引9-10
• 表格索引10-11
• 第一章 緒論11-21
• 1.1 背景介紹11-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-18
• 1.3 本文研究目標及結(jié)構(gòu)18-21
• 第二章 張量基礎(chǔ)21-27
• 2.1 張量的定義21-22
• 2.2 張量代數(shù)和運算22-24
• 2.3 張量分解24-27
• 2.3.1 張量的 CP 分解24-25
• 2.3.2 張量的 Tucker 分解25-27
• 第三章 心電信號自動分析處理的張量方法27-49
• 3.1 心電信號預(yù)處理28-32
• 3.1.1 心電信號去噪28-31
• 3.1.2 心跳切分31-32
• 3.2 心電信號特征提取32-46
• 3.2.1 向量空間的心電特征提取方法34-38
• 3.2.2 張量空間的特征提取方法38-46
• 3.3 心電信號的分類46-49
• 3.3.1 支持向量機47-49
• 第四章 實驗結(jié)果及分析49-59
• 4.1 12 導(dǎo)聯(lián)心電數(shù)據(jù)庫49-50
• 4.2 實驗結(jié)果與分析50-59
• 4.2.1 張量分解特征提取方法結(jié)果分析50-52
• 4.2.2 張量分析特征提取方法結(jié)果分析52-56
• 4.2.3 實驗結(jié)果對比56-59
• 全文總結(jié)59-61
• 參考文獻61-67
• 致謝67-69
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄69-71
• 攻讀學(xué)位期間參與的項目71-73

【參考文獻】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張嘉偉;心電圖形態(tài)特征的識別及其在分類中的作用研究[D];華東師范大學(xué);2011年

2 姚成;心電信號智能分析關(guān)鍵技術(shù)研究[D];吉林大學(xué);2012年

  本文關(guān)鍵詞：基于張量的心電特征提取及模式分類方法研究

  更多相關(guān)文章： 12導(dǎo)聯(lián)心電信號 特征抽取 張量分解 秩1張量 判別分析 支持向量機

本文編號：511296