基于特征匹配的心电数据分类算法的研究与应用

发布时间：2024-02-20 17:52

　　心血管疾病是目前发病率及死亡率最高的疾病之一,心电图(ECG)检查是诊断心血管疾病的一种重要的手段。通过心电图自动分析能够有效的预防心血管疾病,减少意外情况的发生。心电图分析的主要工作是心电波形的识别和分类。目前的心电信号分类方法主要有特征提取法、人工神经网络法、模板匹配法、模糊分类法以及句法分析算法等。本文主要介绍了一种特征提取和模板匹配算法相结合的心电信号分类算法。算法原理是根据正常波形和异常波形形态学特点,并结合波形的RR间期和QRS波宽度等特征量进行心电信号分类。算法的目的是从长时间的心电数据中识别室性早搏(PVC)和室上性早搏(SPVC)两种常见的心律失常类型并做统计分析。本文详细描述了特征匹配分类算法的实现流程,包括信号预处理、QRS复波检测、模板匹配分析等过程。本文选取MIT-BIH标准心律失常数据库进行算法的效果验证,获得了比较理想的分类精度。本文最后将心电信号的特征匹配算法应用于基于动力特征和网络拓扑特征的分类研究。详细介绍了特征匹配算法的分类实现过程,并与单一的特征提取算法进行比较。采用数据库检测两种算法的性能,得到了比较理想的结果,同时也分析了算法的不足之处。利用...

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

图2-1正常心电图波形

电预备知识介绍常心电图图呈现周期变化，是由一系列相同的“波组”构成的，正常心电示：

本文编号：3904353