基于多特征识别的J波检测技术研究

发布时间：2017-12-22 06:23

  本文关键词：基于多特征识别的J波检测技术研究　出处：《太原理工大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： J波 多特征提取 区分度 自适应特征选择 概率神经网络

【摘要】：J波在心电图中表现为QRS波群末端的驼峰形、顿挫形或尖峰状波形,其预示着恶性心率失常、心脏性猝死等心血管疾病的发生,可作为一些心脏疾病的预测指标。因此,需要一种高效准确的J波检测技术,为临床诊断J波相关疾病提供重要依据。本文提出两种J波检测方法,具体方法如下:第一种方法是基于时频域特征和自适应特征选择的J波检测方法。在对心电数据进行预处理后,从时频域角度对正常心电数据和含J波心电数据提取三组特征,包括形态学特征、基于本征模函数的统计特征以及基于希尔伯特黄变换的统计特征。提出一种基于区分度的特征选择方法,对提取的特征集进行降维择优处理。用特征选择后的特征集训练支持向量机,通过粒子群算法优化其参数,最后用该分类模型对待测数据进行预测识别。第二种方法是基于混合特征提取的J波检测方法。对两种类型的心电数据分别提取时域上的R+75及其统计特征、频域上的DCT特征、两种非线性高阶统计特征。通过线性判别分析分别对两种非线性特征进行降维处理。对时域、频域以及降维后的非线性特征进行特征融合,使用PNN分类模型进行分类识别,对其影响因子进行数据分析确定最佳值。实验结果表明,本文提出的两种方法对J波的识别率均较高,平均准确度分别达到94.5%和95.0%,可以较为准确地从心电数据中检测出J波。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R540.41;TP391.4

【参考文献】

中国期刊全文数据库 前10条

1 高静;邓甲昊;;经验模态分解的理论研究及应用[J];科技导报;2015年02期

2 范会敏;王浩;;模式识别方法概述[J];电子设计工程;2012年19期

3 金懿峰;;J波的变化及其临床价值[J];江苏实用心电学杂志;2012年04期

4 古思嘉;;J波与J波综合征[J];北方药学;2012年08期

5 沈雁岩;张延勋;;J波综合征及其临床意义研究进展[J];医学综述;2012年08期

6 陈彦龙;张培林;吴定海;王怀光;;基于离散余弦变换的IMF特征频率提取[J];轴承;2011年12期

7 姚成;司玉娟;郎六琪;韩松洋;;改进的基于小波变换的QRS波检测算法[J];吉林大学学报(信息科学版);2011年05期

8 裴娟慧;浦介麟;;J波综合征[J];心血管病学进展;2011年04期

9 吴永全;赵树梅;王永亮;;J波综合征:机制与临床意义[J];岭南心血管病杂志;2011年02期

10 徐效文;曾超;崔松野;王伟;;MIT-BIH数据库心电数据重采样研究[J];计算机工程与应用;2011年08期

中国硕士学位论文全文数据库 前2条

1 宋永东;支持向量机参数选择的研究[D];华中师范大学;2013年

2 马运勇;概率神经网络的结构优化研究及其应用[D];哈尔滨工业大学;2008年

，

本文编号：1318777