【摘要】：近年來,經(jīng)濟(jì)的快速發(fā)展導(dǎo)致人們生活節(jié)奏不斷加快。日益增大的生活壓力,生活方式不規(guī)律,導(dǎo)致心臟病的發(fā)病率急劇上升,向年輕化發(fā)展,心臟病成為人類健康的重大威脅。幾乎所有心臟病病發(fā)都會伴隨著心律失�，F(xiàn)象,因此對心律失常的實(shí)時(shí)監(jiān)測和識別可以幫助人們及早發(fā)現(xiàn)并治療心臟疾病。人體心電信號(Electrocardingraph,ECG)是分析與鑒別心律失常的重要依據(jù),通過對心電信號進(jìn)行分類可以識別出是否存在心率失常及對應(yīng)種類。目前有許多學(xué)者提出了基于機(jī)器學(xué)習(xí)的心電信號分類算法,但這些算法普遍忽略了不同病人間的個(gè)體差異。針對這一問題,本文分別提出一種基于S變換的心電信號分類算法和一種基于遷移學(xué)習(xí)的個(gè)性化心電信號分類算法,實(shí)現(xiàn)不同病人心電信號的差異化檢測與識別:(1)提出使用S變換來提取ECG信號的時(shí)頻特征。S變換是一種有效的時(shí)頻分析的、工具。相對于短時(shí)傅里葉變換,S變換窗函數(shù)可變;相對于小波變換,S變換避免了復(fù)雜的母小波的選擇過程,解決了小波變換的相位局部化問題。而且S變換的時(shí)頻表示中各頻率分量的相位譜與原始信號保持直接的聯(lián)系,使其具有良好的時(shí)頻特性。實(shí)驗(yàn)部分基于MIT-BIH心律失常數(shù)據(jù)庫展開,參考AAMI的建議,將全部心電信號分為五大類。結(jié)果顯示基于S變換和SVM分類器的心電信號分類模型優(yōu)于其他兩個(gè)對比模型,敏感度和陽性率顯著提升。實(shí)驗(yàn)結(jié)果表明基于S變換的特征能更好地反映心電信號的特點(diǎn),尤其是可以更好地區(qū)分正常和異常心拍,從而使分類準(zhǔn)確率得到明顯提高。(2)目前大部分ECG信號分類算法都沒有考慮不同病人間的個(gè)體差異,而事實(shí)上這一差異十分顯著,不能一概而論。使用統(tǒng)一的標(biāo)準(zhǔn)去判斷不同個(gè)體的心律失常是不合理的。針對上述問題,本文提出基于遷移學(xué)習(xí)的病人個(gè)性化ECG分類算法,遷移學(xué)習(xí)算法采用基于特征層面的聯(lián)合分布適配算法,該算法應(yīng)用最大均值差異衡量源域分布和目標(biāo)域分布之間的距離,并基于主成分分析獲得最小距離對應(yīng)的特征子空間。通過兩部分對比實(shí)驗(yàn),分別驗(yàn)證了本文提出的分類模型相對于其他病人個(gè)性化ECG信號分類模型的有效性以及遷移學(xué)習(xí)對異常心拍識別的有效性。
【圖文】：

本文用到的ＭＩＴ－ＢＩＨ數(shù)據(jù)庫，以及心電信號的預(yù)法部分，將介紹集中常見的用于心電信號分類的算法，，其中將重使用的支持向量機(jī)。逡逑電圖概述及處理逡逑心電圖的組成及特征逡逑電圖是指，在心臟的每個(gè)心動周期中，起搏點(diǎn)、心房和心室相繼心電圖生物電的變化，通過心電描記器從體表引出多種形式的電心電圖是心臟興奮的發(fā)生、傳播及恢復(fù)過程的客觀指標(biāo)。逡逑電圖可以反映出心臟興奮的電活動過程，它對心臟基本功能及其具有重要的參考價(jià)值。心電圖可以分析與鑒別各種心律失常，也受損的程度和發(fā)展過程和心房、心室的功能結(jié)構(gòu)情況。在指導(dǎo)心臟必要的藥物處理上有參考價(jià)值。逡逑

樣本點(diǎn)逡逑（Ｃ）去除基線漂移后的心電信號逡逑圖２－３心電信號預(yù)處理－去除基線漂移逡逑接著要去除電源線干擾及其他氋頻噪聲的干擾，去除這類噪聲的方法有很多，逡逑既可以使用低通數(shù)字濾波器，還可以使用小波變換來去除高頻噪聲。通過實(shí)驗(yàn)，逡逑分別使用低通濾波器和小波變換進(jìn)行去噪，發(fā)現(xiàn)低通濾波器的去噪效果不比小波逡逑變換差，而且更加簡單高效，因此本文使用３５Ｈｚ低通濾波器去除心電信號的高逡逑頻噪聲。圖２－４對比了去除高頻噪前后的心電信號波形，可以看出，去除高頻噪逡逑聲之后，信號變得更加平滑。逡逑５００邐ｉ邐ｉ邐ｉ邐ｉ逡逑－５００邐１邐１邐＾邐１邐逡逑０邐５００邐１０００邐１５００邐２０００邐２５００邐３０００逡逑樣本點(diǎn)逡逑（ａ）去除高頻噪聲前的心電信號逡逑１１逡逑
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN911.2;R540.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 景寧,劉雨,彭甫陽;一種實(shí)用外分類算法—快速分類-折半插入算法的研究及實(shí)現(xiàn)[J];小型微型計(jì)算機(jī)系統(tǒng);1988年09期

2 劉隆和;許俊剛;朱平云;;一種復(fù)合自適應(yīng)分類算法[J];自動化學(xué)報(bào);1989年03期

3 段凡丁;;O(n)時(shí)間復(fù)雜性的超快速分類算法[J];西南交通大學(xué)學(xué)報(bào);1992年03期

4 孫夢夢;唐旭清;;基于粒度空間的最小生成樹分類算法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué));2017年05期

5 董賀;榮光怡;;數(shù)據(jù)挖掘中數(shù)據(jù)分類算法的比較分析[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

6 程建華;;數(shù)據(jù)挖掘分類算法研究綜述[J];中國高新技術(shù)企業(yè);2008年24期

7 鄭智捷;幻序合并分類算法[J];計(jì)算機(jī)學(xué)報(bào);1984年05期

8 劉紅巖,陳劍,陳國青;數(shù)據(jù)挖掘中的數(shù)據(jù)分類算法綜述[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年06期

9 張杰鑫;張錚;;包分類算法研究綜述[J];計(jì)算機(jī)工程;2015年12期

10 劉文娟;;基于貝葉斯理論的分類算法研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2014年16期

相關(guān)會議論文 前10條

1 肖健華;孫德山;吳今培;;基于支持向量數(shù)據(jù)描述的多類分類算法及其在人臉識別中的應(yīng)用[A];2005年中國智能自動化會議論文集[C];2005年

2 高紅霞;蔡錦龍;;基于支持向量機(jī)的印刷電路板焊點(diǎn)分類算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

3 趙波;唐常杰;朱明放;魏大剛;左R

本文編號：2655871