【摘要】：為提高心電信號分類識別的準(zhǔn)確率,提出一種基于時(shí)頻特征融合與動態(tài)模糊決策樹的心電信號分類識別方法。對心電信號依次進(jìn)行周期分割、小波包分解與重構(gòu)和形態(tài)識別處理,將小波包變換系數(shù)矩陣的二范數(shù)作為頻域特征,并與時(shí)域特征進(jìn)行融合以表征心電信號,同時(shí)將模糊C均值聚類引入模糊決策樹的建樹過程中,實(shí)現(xiàn)特征空間的動態(tài)劃分。在MIT-BIH標(biāo)準(zhǔn)心電數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明,該方法的分類識別準(zhǔn)確率較高,心電信號正異常分類的準(zhǔn)確率達(dá)99.14%。
【圖文】：

其中,S表示重構(gòu)出的信號,Si表示基函數(shù),δi表示基函數(shù)對應(yīng)的系數(shù)矩陣。通過對圖3的分析可知,后4組小波包基函數(shù)幅值較小,主要影響ECG峰與峰之間的穩(wěn)定性,因此選擇前4組小波包系數(shù)矩陣與基函數(shù)進(jìn)行重構(gòu),重構(gòu)結(jié)果如圖4所示。由圖4可以看出,選擇前4組小波包系數(shù)重構(gòu)出的心電信號保留了各波形的特征,在時(shí)間和峰值上都有較高的重構(gòu)精度,且峰與峰之間的過渡更平滑,有助于提高P波、T波的定位精度,為后續(xù)心電信號時(shí)域特征的提取提供有力保障。

特征提取是心電信號分類識別的核心,本文提出一種新的時(shí)頻特征融合方法,其流程如圖1所示。以單個(gè)周期的ECG為樣本,首先對連續(xù)的心電信號進(jìn)行周期分割,以顯化正異常心電信號的差異,便于提取區(qū)分性強(qiáng)的特征。對每一個(gè)周期的心電信號進(jìn)行小波包分解與重構(gòu),并將保留的小波包系數(shù)矩陣二范數(shù)的值作為特征,同時(shí)完成心電信號的去噪以及頻域特征提取。然后對重構(gòu)后的周期心電信號進(jìn)行時(shí)域形態(tài)識別,提取P波峰值、T波峰值、R波峰值、QRS波持續(xù)時(shí)間、P-T間期、P-R間期和R-T間期等特征信息,并將時(shí)域和頻域特征進(jìn)行融合,用融合后的特征向量來表征心電信號。最后,利用改進(jìn)的動態(tài)模糊決策樹算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。1.1 心電信號周期分割

由于在一段時(shí)間內(nèi)采集到的心電信號是連續(xù)的,每一次心跳為一個(gè)周期,因此以一個(gè)周期的心電信號為研究對象能準(zhǔn)確定位各波峰的位置,有利于心電信號時(shí)域特征的提取。傳統(tǒng)的心電信號分割方法主要有2種,一種是按固定長度的窗口截取周期信號,該方法由于受個(gè)人體質(zhì)、心跳快慢等因素的影響,分割得到的心電信號時(shí)好時(shí)壞,不具備穩(wěn)定性,另一種是按P波、T波位置確定周期,該方法雖然分割得到的周期信號準(zhǔn)確度較高,但是P波、T波定位困難,算法復(fù)雜度較高。針對上述兩種方法存在的不足,考慮到要快速準(zhǔn)確地定位心電信號的R波位置,且R波與T波、P波相對位置固定,本文以R波峰位置為基準(zhǔn),在相鄰的3個(gè)R波峰位置之間,選取第1個(gè)峰值與中間峰值的2/3處到中間峰值與第3個(gè)峰值的2/3處為一個(gè)周期,圖2給出了ECG周期的分割過程。1.2 頻域特征提取

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 賈亞莉,左翔,周典;數(shù)據(jù)挖掘在心血管病住院患者病情分析中的應(yīng)用研究[J];中國農(nóng)村衛(wèi)生事業(yè)管理;2005年06期

相關(guān)碩士學(xué)位論文 前1條

1 高寧化;基于動態(tài)模糊決策樹的心電信號分類方法[D];西南科技大學(xué);2019年

本文編號：2782508