基于局部约束线性编码的心电信号分类研究

发布时间：2020-04-26 21:07

【摘要】：在当今社会,由于许多人饮食与生活作息的不规律,导致我国心血管疾病的发病率逐年提升,心血管疾病的诊断与预防成为了民生的关注热点。心电图(electrocardiogram,ECG)检查是医生诊断心血管疾病的重要依据,传统的诊断方法是专业医生通过人工的方式对心电图进行分析,容易造成误诊漏诊,而心电信号的自动分析有助于提升医生对心血管疾病的诊断效率,因此心电信号自动分析也成为了当今生物医学信号处理领域的热门研究课题。心电信号分类是心电信号自动分析当中的关键技术,然而目前心电信号分类的效率与准确率仍有待改善,所以本论文以心电信号分类为课题展开研究,其中重点针对心电信号特征进行处理,以提高分类的准确率。心电信号特征复杂多样,而由于心电信号存在的冗余信息,当其直接作为样本输入到分类器中进行分类时,会产生运算复杂度高、准确率较低等问题。因此对心电信号特征进行压缩,减少其中的冗余信息,同时保留特征之间的相关性,以实现运算复杂度的降低与分类准确率的提升。传统的心电信号压缩算法有词袋模型(Bag of Words,BoW)与矢量量化(Vector Quantization,VQ)。BoW模型由于打乱了心拍的时间顺序,会使得异常心拍与正常心拍之间存在混淆。而VQ编码方式则由于编码之后的特征都只由字典中的一个码字来表示,同样会损失心电信号特征中的部分信息。针对上述方法的不足,本论文构建了局部约束线性编码(Locality-constrained Linear Coding,LLC)与支持向量机(Support Vector Machine,SVM)相结合的心电信号分类方案,局部约束线性编码充分考虑了特征的局部性,有着良好重构效果,弥补了BoW模型以及VQ编码丢失信息的缺点,并且有着平滑性与稀疏性的优点,能够保证特征相似的数据在编码之后仍具备相似性,同时计算复杂度低,效率高,目前已被应用于图像分类、人脸识别等多个领域;支持向量机是一种用于分类和回归分析的有监督学习模型,它通过将样本与决策面的间隔最大化进行分类,具有良好的分类效果。本论文首先选取小波变换对心电信号进行预处理,消除噪声的干扰,并分割成单个心拍,构建心拍数据集,然后通过主成分分析法(Principal Component Analysis,PCA)对数据集进行降维,并使用K-means聚类算法构建心拍字典,对心拍数据集进行局部约束线性编码,利用编码矩阵表示心拍数据集,最后输入到支持向量机中进行训练与分类。本文对编码后的心拍数据集分别进行了二类心拍(正常心拍与异常心拍)分类实验以及六类心拍分类实验,选取BoW模型方法以及矢量量化编码方法进行实验对比,并对数据库中的心电信号数据进行六类心拍的类别分类检测,同时和其它分类方案进行分类结果比较,以验证局部约束线性编码的准确性。本论文对MIT-BIH心律失常数据库中的六类心拍进行二分类(正常心拍与异常心拍)实验取得了97.5%的总体分类准确率,进行六类心拍分类实验取得了95.9%的总体分类准确率,各类心拍分类精准度均超过94%,同时分类灵敏度以及F_1值(F_1-score,灵敏度与精准度的调和平均数)相较于BoW模型以及矢量量化编码也有显著提升。通过实验证明了将局部约束线性编码与支持向量机相结合的心电信号分类方案有着良好的分类效果。
【图文】：

相关内容简介号产生原理了心脏的主要结构，当人体的肌肉受到刺激时，，心脏而心脏细胞和其他细胞不同，它具有自动性，即自发电位，并且脉冲能通过心脏细胞之间彼此连接的缝隙个细胞。由于细胞内和细胞外的液体离子的变化，电这被称为动作电位，其中涉及到的主要离子为钾、钠主要离子浓度如表 2.1 所示)。动作电位是细胞膜两荷)平衡所产生的作用电位。当细胞处于静止状态时，部带负电荷，而膜泵会维持心脏细胞的这种极性（即

心电图的12导联
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R540.4;TN911.7

【相似文献】

相关期刊论文 前10条

1 高志荣;熊承义;;基于两级非负线性编码表示的人脸识别[J];中南民族大学学报(自然科学版);2014年04期

2 刘培娜;刘国军;郭茂祖;刘扬;李盼;;非负局部约束线性编码图像分类算法[J];自动化学报;2015年07期

3 胡广平;周华强;;一种基于约束线性编码的图像分类改进算法[J];科学技术与工程;2013年28期

4 罗洪霞;;一种基于微处理器的线性编码技术的研究与实现[J];现代电子技术;2011年16期

5 张舜德,方强,卢秉恒;两个采样解码的线性编码轮廓术:最佳相移量,精度及应用[J];光学学报;1998年06期

6 陈光喜;龚震霆;温佩芝;任夏荔;;基于局部抑制线性编码的图像快速识别方法[J];计算机科学;2016年05期

7 田广强;张岐山;;邻居匹配与局部约束线性编码的图像分类方法[J];计算机工程与设计;2017年08期

8 姜伟;毕婷婷;李克秋;杨炳儒;;黎曼核局部线性编码[J];软件学报;2015年07期

9 肖文华;包卫东;陈立栋;王炜;张茂军;;一种用于图像分类的语义增强线性编码方法[J];电子与信息学报;2015年04期

10 张舜德,方强;线性结构光编码的三维轮廓术[J];光学学报;1997年11期

相关会议论文 前2条

1 庄连生;高浩渊;刘超;俞能海;;非负稀疏局部线性编码[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

2 艾浩军;张敏;方禹;赵梦蕾;李泰舟;王红霞;;视觉词汇的主成分线性编码方法研究[A];第八届和谐人机环境联合学术会议（HHME2012)论文集NCMT[C];2012年

相关博士学位论文 前4条

1 王红霞;视觉物体分类中局部特征建模方法研究[D];武汉理工大学;2012年

2 马冠骏;基于网络编码的P2P文件分发的研究[D];中国科学技术大学;2009年

3 王国锋;基于视频的多元跟踪与装配解析研究[D];山东大学;2015年

4 隋天举;网络化线性系统状态估计问题研究[D];浙江大学;2017年

相关硕士学位论文 前10条

1 邓铎;基于局部约束线性编码的心电信号分类研究[D];吉林大学;2019年

2 王玉兰;基于改进局部约束线性编码的图像分类算法研究[D];吉林大学;2018年

3 李超;基于线性编码的人脸识别研究[D];重庆邮电大学;2017年

4 佟娜;基于引导学习和局部约束线性编码的显著性检测算法研究[D];大连理工大学;2015年

5 独大为;拥挤场景下视频异常事件检测技术研究[D];电子科技大学;2013年

6 段晖莉;基于局部坐标编码的视频目标跟踪研究[D];山东大学;2016年

7 秦桂红;无线Mesh网络MAC层协议优化问题研究[D];中国科学技术大学;2011年

8 钟鸣;无线网络多径传输协议的设计与实现[D];北京邮电大学;2015年

9 胡青璞;线性编码框架下的图像特征提取及识别方法研究[D];河南大学;2016年

10 黄荣;人脸识别中的特征生成技术应用研究[D];东南大学;2015年

本文编号：2641899