本文選題：極限學習機　切入點：左束支傳導阻滯　出處：《中國生物醫(yī)學工程學報》2017年03期

【摘要】：左束支傳導阻滯(LBBB)作為臨床常見的一種心律失常,是左心室收縮功能減低、患者死亡率增加的標志;利用機器學習算法對其進行輔助診斷,將對LBBB早發(fā)現(xiàn)、早治療起到積極的推動作用。然而,由于目前常用的支持向量機(SVM)等傳統(tǒng)的機器學習算法容易產(chǎn)生局部最優(yōu)解,準確度有待提高,因此提出一種基于極限學習機(ELM)的LBBB輔助診斷算法。首先,利用小波進行心電信號預處理,包括基線漂移、肌電噪聲及工頻干擾的去除;接著,確定QRS波群與T波位置;然后,根據(jù)臨床上LBBB患者比正常人的QRS波群持續(xù)時間延長等特點,建立融合時域、形態(tài)與能量3類特征的特征模型;最后,利用該模型提取的特征集合,提出基于ELM的LBBB輔助診斷算法。此外,在MIT_BIH數(shù)據(jù)庫中的5 000份ECG數(shù)據(jù)上進行實驗驗證,結(jié)果表明所提出的預處理與波形提取算法能有效去除噪聲并提取QRS-T特征波;在LBBB的判別上,相比SVM算法、ELM算法的訓練時間縮短了88.5%;同時,在準確率、靈敏度、特異度、LBBB檢出率和正常人檢出率的指標上,分別提升2.4%、5.4%、1.2%、3.6%和2%。因此,基于ELM的LBBB輔助診斷算法具有明顯優(yōu)勢。
[Abstract]:Left bundle branch block (LBBB), as a common arrhythmia in clinic, is a marker of decreased left ventricular systolic function and increased mortality in patients. Machine learning algorithm is used to assist diagnosis and early detection of LBBB. However, traditional machine learning algorithms such as support vector machine (SVM) are easy to produce local optimal solutions, and the accuracy needs to be improved. Therefore, a LBBB aided diagnosis algorithm based on ELM) is proposed. Firstly, the ECG signal is preprocessed by wavelet, including baseline drift, myoelectric noise and power frequency interference removal. Then, the position of QRS wave group and T wave is determined. According to the longer duration of QRS wave group in LBBB patients compared with normal people, the feature model of fusion time domain, shape and energy is established. Finally, the feature set extracted by this model is used. A LBBB aided diagnosis algorithm based on ELM is proposed. In addition, the experimental results on 5 000 ECG data in MIT_BIH database show that the proposed preprocessing and waveform extraction algorithm can effectively remove noise and extract QRS-T characteristic waves. Compared with SVM algorithm, the training time of LBBB algorithm is reduced by 88.5.The accuracy, sensitivity, specificity of LBBB detection rate and the detection rate of normal people are increased by 2.4%, 5.42% and 3.6% and 2%, respectively, when compared with that of SVM algorithm. Therefore, the accuracy, sensitivity, specificity of LBBB and the detection rate of normal people are increased by 2.4% and 3.2%, respectively. The LBBB aided diagnosis algorithm based on ELM has obvious advantages.
【作者單位】： 東北大學中荷生物醫(yī)學與信息工程學院;東北大學計算機科學與工程學院;大連醫(yī)科大學附屬第二醫(yī)院;
【基金】：國家自然科學基金青年項目(61402089) 遼寧省自然科學基金面上項目(2015020553) 中國博士后科學基金項目(2016M591447)
【分類號】：R541.7;TP181

【相似文獻】

相關(guān)期刊論文 前10條

1 楊松;馮霞;;左束支傳導阻滯伴尼亞加拉瀑布樣T波1例[J];實用心電學雜志;2006年03期

2 張淑琴,孫相華;左束支傳導阻滯25例臨床分析[J];牡丹江醫(yī)學院學報;1988年01期

3 宋海波,李建香,任玉連,徐遠早;左束支傳導阻滯病人左心室舒張期通過二尖瓣的血流圖形特點[J];西北國防醫(yī)學雜志;2000年01期

4 黃彩玲,楊溢,王潔,陳海清;心率無關(guān)型間歇性左束支傳導阻滯[J];臨床心電學雜志;2002年02期

5 丁振凱,馬景林,李莉,張兆輝;急性前壁心肌梗死被左束支傳導阻滯掩蓋一例[J];中華老年心腦血管病雜志;2003年03期

6 魏留臣,呂金蘭,欒桂芹,王春蘭;4相性左束支傳導阻滯1例[J];山東醫(yī)藥;2004年05期

7 卜春娥,徐芳,張麗華;二度房室傳導阻滯并4相左束支傳導阻滯1例[J];心電學雜志;2004年01期

8 陳軍,鐘斌,里景鋒;2型糖尿病并暫時完全左束支傳導阻滯患者猝死一例[J];實用臨床醫(yī)學;2004年06期

9 于安忠,唐書義,高成志,皇甫豐田;二度Ⅱ型左束支傳導阻滯1例[J];實用心電學雜志;2005年03期

10 黃人文,王國艷,張偉,楊本華;血液粘度增高與3相左束支傳導阻滯1例[J];心電學雜志;2005年03期

相關(guān)會議論文 前5條

1 王玉亭;徐和;于明杰;姜帥;劉敏;;左束支傳導阻滯與心室間收縮不同步的關(guān)系[A];中華醫(yī)學會心血管病學分會第八次全國心血管病學術(shù)會議匯編[C];2006年

2 趙振鋒;舒先紅;潘翠珍;;孤立性左束支傳導阻滯患者收縮后收縮現(xiàn)象分析[A];慶祝中國超聲診斷50年暨第十屆全國超聲醫(yī)學學術(shù)會議論文匯編[C];2008年

3 趙振鋒;舒先紅;潘翠珍;;孤立性左束支傳導阻滯患者收縮后收縮現(xiàn)象分析[A];第九屆全國超聲心動圖學術(shù)會議論文集[C];2007年

4 劉曉健;蔡衛(wèi)勛;;左束支傳導阻滯型心動過速的心電圖鑒別[A];2009年浙江省心電生理與起搏學術(shù)年會增刊[C];2009年

5 肖世南;秦永文;張海成;白元;鄔景玲;薛衛(wèi)軍;魯軒浩;李露;;QRS離散度對左束支傳導阻滯患者左室收縮功能及心室非同步運動的評價[A];第十三次全國心血管病學術(shù)會議論文集[C];2011年

相關(guān)重要報紙文章 前1條

1 ;左束支傳導阻滯要重視[N];保健時報;2008年

相關(guān)碩士學位論文 前1條

1 戴望亮;不同形態(tài)左束支傳導阻滯心力衰竭患者心臟再同步化治療效果比較[D];南京大學;2013年

，

本文編號：1673826