基于遗传回声状态网络的房颤F波提取

发布时间：2021-02-04 01:55

　　针对心房颤动F波提取受QRST复合波形态变化影响的问题,提出一种基于遗传回声状态网络房颤F波提取的方法。设计自适应遗传算法快速调整网络初始权值,估计导联之间的时变非线性传递函数,使输出权重最大限度得到完整心室信号,得到更稳定准确的房颤F波。相比于平均节拍减法及其改进方法,该方法在仿真房颤实验中,短时数据段的误差值分别平均降低0.23和0.11;在真实心电信号的实验中,提取F波的频谱集中度更高,性能表现更优。因此,该方法特别适用于心电图的便携动态监测领域。 

【文章来源】：计算机工程与设计. 2020,41(02)北大核心

【文章页数】：5 页

【部分图文】：

基于ESN的F波提取

在正常心电信号上叠加已知F波得到仿真房颤信号，可以量化估计算法的可行性与准确性。第i导联仿真F波的生成模型可以由以下公式取得其中，谐波个数M-1，基频w0=2πf0，最大频率偏差Δf，调制频率w=2πff，幅度bm(n）由下式给出

在应用自适应遗传算法时，经反复实验，为了得到最优结果设定变量个数为5，种群规模为100，而初始交叉概率与初始变异概率分别为0.6和0.01，其它参数设定为μc=0.3，μm=0.2,nc=nm=2，终止代数为50[12]。得到284号数据的最优参数为：SR=0.95,SD=8,IS1=0.989,IS2=0.780,IS3=0.685。在研究心拍个数L对各个算法所提取的F波的准确度的影响时，在表2中可以看到GA-ESN算法随着心拍个数L的变化最小，而其它两种算法变化相对较大。ABS算法（图4(b））、WABS算法（图4(c））以及GA-ESN算法（图4(d））在时域图上的F波提取效果与原始仿真F波（图4(a））的时域对比结果如图4所示。


本文编号：3017522