【摘要】：近年來心血管疾病發(fā)病率逐年上升,已經(jīng)成為致死率最高的疾病之一。心電圖作為檢測心電活動的常用手段,目前被廣泛運用于心血管疾病的診斷和監(jiān)控中。由于心電圖在實時監(jiān)控心電活動時需要進行及時的信號分類,為了減少人力的投入,自動分類算法在心電圖分析中的運用顯得愈發(fā)重要。本文中研究并實現(xiàn)了一種利用心電圖(ECG)信號來預測即將出現(xiàn)的心血管活動異常的自動分類系統(tǒng)。該系統(tǒng)是一個多階分類系統(tǒng),由一個全局分類器和一個個性化分類器構(gòu)成。本文所實現(xiàn)的分類器結(jié)構(gòu)模擬了心臟病專家在對病人診斷時采用的基于實例推理的分析過程,是一種針對患者個體進行自適應的個性化算法。本文利用全局分類器首先排除偏離個性化正常聚類較遠的樣本,再利用個性化分類器對具有一定偏移傾向的樣本進行進一步細分。個性化分類器采用余弦距離對偏移方向進行量化,再利用量化的偏移方向?qū)颖具M行分類。采用該方法的前提假設(shè)是該方法的核心思路是利用非線性變換來將提取的信號特征量投射到具備特定幾何特征的高維空間中。本文詳細敘述了幾何特征通過對各聚類在特征空間中關(guān)于非線性變換系數(shù)的目標函數(shù)的優(yōu)化的實現(xiàn)方法。本文采用了多目標粒子群優(yōu)化算法擬合多目標優(yōu)化的帕累托前沿,并通過比較非線性重塑前后特征空間的帕累托前沿,證實了非線性核方法在提高特征空間對稱性上的作用。本文所實現(xiàn)的算法的原理在于將采集到的心電信號樣本映射到以受試者自身正常樣本聚類為基線的相對異常類別上。本文通過與單層心電圖分類器分類結(jié)果的比較,分析了該算法在預測潛在心血管疾病時的有效性。利用算法的預測能力,實現(xiàn)心血管疾病的及時診斷和治療干預,能夠顯著降低心臟有關(guān)的疾病發(fā)病率。最后作者將該算法應用于MIT-BIH心律失常數(shù)據(jù)集,結(jié)果顯示三個異常分類的預測改善率分別為8%、9%、12%。改善自動分類器對后續(xù)異常類別的預測能力,使得醫(yī)護人員能及時采取相應措施,實時監(jiān)控高�；颊叩男呐K活動。
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R540.41;TN911.7

【參考文獻】

相關(guān)期刊論文 前2條

1 汪廷華;陳峻婷;;核函數(shù)的選擇研究綜述[J];計算機工程與設(shè)計;2012年03期

2 劉華富;支持向量機Mercer核的若干性質(zhì)[J];北京聯(lián)合大學學報(自然科學版);2005年01期

本文編號：2770027