本文選題：心肌梗死　切入點(diǎn)：小波變換　出處：《鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版)》2017年02期 　論文類型：期刊論文

【摘要】：目的:建立基于心電特征參數(shù)的心肌梗死疾病輔助診斷模型。方法:取PTB數(shù)據(jù)庫中的158例心肌梗死患者為病例組,90例健康志愿者為對照組,提取這2組的ECG V5導(dǎo)聯(lián)信號波形并進(jìn)行預(yù)處理,用小波變換結(jié)合窗口函數(shù)的方法提取11個(gè)心電特征參數(shù),采用獨(dú)立樣本t檢驗(yàn)和精確概率法篩選特征參數(shù),并進(jìn)行歸一化處理,建立logistic回歸模型和支持向量機(jī)模型并比較其性能。結(jié)果:Logistic回歸模型和支持向量機(jī)模型的診斷準(zhǔn)確率分別為95.1%和96.0%。結(jié)論:Logistic回歸模型和支持向量機(jī)模型對心肌梗死的分類診斷均具有重要的理論和臨床價(jià)值。
[Abstract]:Objective: to establish an auxiliary diagnosis model of myocardial infarction based on ECG characteristic parameters. Methods: PTB database of 158 patients with myocardial infarction as case group 90 healthy volunteers as control group. The two groups of ECG V5 lead signal waveforms were extracted and preprocessed. Eleven ECG characteristic parameters were extracted by wavelet transform combined with window function. The independent sample t-test and accurate probability method were used to screen the characteristic parameters, and the normalized processing was carried out. Logistic regression model and support vector machine model were established and their performances were compared. Results the diagnostic accuracy of the two models were 95.1% and 96.0, respectively. Conclusion the diagnostic accuracy of logistic regression model and support vector machine model are 95.1% and 96.0 respectively. Classification diagnosis has important theoretical and clinical value.
【作者單位】： 鄭州大學(xué)電氣工程學(xué)院;
【分類號】：R542.22

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王仁乾;李迎春;杜連耀;;提取管狀生物組織特征參數(shù)的研究[J];物理學(xué)進(jìn)展;1996年Z1期

2 張妙齡;;時(shí)間—頻率幅值法在單一誘發(fā)腦電位信號的分類和檢測中的應(yīng)用[J];國外醫(yī)學(xué)(生物醫(yī)學(xué)工程分冊);1987年05期

3 孫世杰;郭學(xué)謙;劉志成;;F-ERG信號濾波與特征參數(shù)快速提取的方法學(xué)研究[J];現(xiàn)代儀器;2011年02期

4 王仁乾，陳亦娟，李迎春;提取血管特征參數(shù)的研究[J];聲學(xué)學(xué)報(bào);1994年06期

5 鄒玲;鮑旭東;;基于乳腺電阻抗特征參數(shù)的成像方法[J];生物醫(yī)學(xué)工程研究;2008年01期

6 ;[J];;年期

相關(guān)會議論文 前8條

1 楊大利;徐明星;吳文虎;;正交設(shè)計(jì)因子順序?qū)μ卣鲄?shù)選擇結(jié)果的影響[A];第六屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2001年

2 趙海天;向東;;城市燈光景觀設(shè)計(jì)[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（下）[C];2003年

3 徐慧;章斯宇;孟子厚;;普通話鼻韻母的分段參數(shù)化區(qū)分[A];第九屆中國語音學(xué)學(xué)術(shù)會議論文集[C];2010年

4 祝明華;謝亦豐;熊連松;李琛;卓放;張海龍;;擾動條件下直流微型電網(wǎng)特征參數(shù)的實(shí)時(shí)在線計(jì)算方法[A];分布式發(fā)電、智能微電網(wǎng)與電能質(zhì)量——第三屆全國電能質(zhì)量學(xué)術(shù)會議暨電能質(zhì)量行業(yè)發(fā)展論壇論文集[C];2013年

5 涂群章;左洪福;;基于實(shí)時(shí)圖像的固體污染物特征參數(shù)測量研究[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

6 趙偉;黃永芳;葉序彬;胡本潤;劉建中;陳立杰;;腐蝕坑特征參數(shù)與應(yīng)力集中的相關(guān)性研究[A];第16屆全國疲勞與斷裂學(xué)術(shù)會議會議程序冊[C];2012年

7 陳娜;樊瑾;王維;秦昊;文瑾;施心陵;;基于視頻方式的頸椎康復(fù)功能監(jiān)測[A];第二十七屆中國控制會議論文集[C];2008年

8 鄭冬紅;孟子厚;;普通話平翹輔音區(qū)別特征參數(shù)的測量[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（下）[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 任效良;科大科研成果填補(bǔ)國際空白[N];北方經(jīng)濟(jì)時(shí)報(bào);2007年

相關(guān)碩士學(xué)位論文 前10條

1 趙清揚(yáng);嬰兒需求表達(dá)語音信息的智能識別技術(shù)研究[D];復(fù)旦大學(xué);2014年

2 趙炎;基于計(jì)算機(jī)圖像處理技術(shù)的霉變玉米檢測研究[D];河南工業(yè)大學(xué);2015年

3 王厚英;病態(tài)嗓音特征參數(shù)的優(yōu)化研究[D];廣西師范大學(xué);2015年

4 陳先同;語音轉(zhuǎn)換中特征參數(shù)及其轉(zhuǎn)換方法的研究[D];南京郵電大學(xué);2015年

5 王志超;住宅用電負(fù)荷的非侵入式監(jiān)測方法研究[D];重慶大學(xué);2015年

6 胡澤徽;電動汽車用鋰離子電池健康特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2016年

7 邢浩然;基于序列信息的融合多種特征參數(shù)方法預(yù)測膜蛋白類型[D];內(nèi)蒙古工業(yè)大學(xué);2016年

8 何鑫;圓柱體全局尺寸輪廓要素測量特征參數(shù)優(yōu)化問題研究[D];中原工學(xué)院;2016年

9 張文克;融合LPCC和MFCC特征參數(shù)的語音識別技術(shù)的研究[D];湘潭大學(xué);2016年

10 金帥;基于EEG/ERP的3D電視健康評估特征參數(shù)研究[D];南京航空航天大學(xué);2015年

，

本文編號：1616421