本文關鍵詞： 心臟驟停 自動體外除顫儀 遺傳算法 反向傳播神經網絡　出處：《生物醫(yī)學工程學雜志》2017年03期 　論文類型：期刊論文

【摘要】：致死性心電節(jié)律的辨識和分類是自動體外除顫儀的關鍵任務。本文對已存在的心電節(jié)律辨識算法提取出的21個特征值進行了回顧性研究,并基于這些特征值構建了一個遺傳算法優(yōu)化的反向傳播神經網絡。以數據庫提供的1 343例心電信號樣本用于實驗。實驗結果表明,本文構建的神經網絡在對竇性節(jié)律、心室顫動、室性心動過速、心臟停搏4類心電信號的辨識分類上有很好的表現(xiàn),在測試集上的平衡準確性高達99.06%;相較已存在的算法,辨識性能更好。將該算法應用在自動體外除顫儀上,將進一步提高除顫前節(jié)律分析的可靠性,最終提高心臟驟停的存活率。
[Abstract]:The identification and classification of fatal ECG rhythm is the key task of automatic external defibrillator. In this paper, 21 eigenvalues extracted from existing ECG rhythm identification algorithms are studied retrospectively. Based on these eigenvalues, a genetic algorithm optimized back propagation neural network is constructed. 1 343 ECG samples provided by the database are used in the experiment. The experimental results show that the neural network constructed in this paper is in the sinus rhythm. Ventricular fibrillation (VF), ventricular tachycardia (VT), cardioplegia (CPB) have a good performance in recognition and classification of electrocardiogram (ECG) signals, and the accuracy of balancing on the test set is as high as 99.06%. The application of the algorithm to the automatic external defibrillator will further improve the reliability of the analysis of the defibrillation rhythm and ultimately improve the survival rate of cardiac arrest.
【作者單位】： 軍事醫(yī)學科學院衛(wèi)生裝備研究所;
【基金】：國家自然科學基金資助項目(81501551)
【分類號】：R541.7;TP18

【相似文獻】

相關碩士學位論文 前1條

1 陳義;心電信號的異常心律分類算法研究[D];重慶大學;2016年

，

本文編號：1528349