[1]葛丁飞,李时辉,Krishnan S.M..基于多导联心电信号和多变量回归模型的心律失常的分类 [J].浙江科技大学学报,2004,(02):92-97.
　GE Ding-fei,LI Shi-hui,Krishnan S. M..Cardiac arrhythmia classification based on mutiplelead electrocardiogram signals and multivariateautoregressive modeling method[J].,2004,(02):92-97.
点击复制

基于多导联心电信号和多变量回归模型的心律失常的分类 

()
分享到：

《浙江科技大学学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2004年02期
页码:
92-97
栏目:
自然科学技术研究
出版日期:
2004-06-30

文章信息/Info

Title:
Cardiac arrhythmia classification based on mutiplelead electrocardiogram signals and multivariateautoregressive modeling method
文章编号:
1671-8798(2004)02-0092-06
作者:
葛丁飞1; 李时辉2; Krishnan S.M.3
1.浙江科技学院 信息与电气工程学系，浙江 杭州 310023；2.义乌工商职业技术学院 计算机工程系，浙江 义乌 322000；3.南洋理工大学 生物医学研究中心，新加坡 639798
Author(s):
GE Ding-fei;  LI Shi-hui;  Krishnan S. M.
关键词:
ECG信号; MAR建模; 二次判别函数; ECG特征; K-L变换 
分类号:
R540.41;TN911.7
文献标志码:
A
摘要:
心电信号（ECG）智能分析非常有利于严重心脏病人的自动诊断。本文介绍了多变量回归模型（MAR）建模法，利用MAR模型从双导联ECG中提取特征对ECG信号进行分类。在分类时，利用MAR模型系数及其K-L变换（K-L MAR系数）作为信号特征，并采用了树状决策过程和二次判别函数（QDF）分类器。利用文中方法对MIT-BIH标准数据库中的正常窦性心律（NSR）、期收缩（APC）、心室早期收缩（PVC）、心室性心动过速（VT）和心室纤维性颤动（VF）各300个信号样本进行了建模和测试。结果表明，为了达到分类目的，MAR模型阶数取4是足够的，基于MAR系数的分类取得了比基于K-L MAR系数的分类稍好的结果。基于MAR系数的分类获得了97.3%~98.6%的分类精度。

相似文献/References:

[1]葛丁飞,李时辉.基于ARMA模型的ECG分类和压缩 [J].浙江科技大学学报,2004,(01):7.
　GE Ding-fei,LI Shi-hui.Cardiac arrhythmias classification and compression based on ARMA model[J].,2004,(02):7.
[2]孙丽慧,宋 蔚.结合科研的模式识别教学改革尝试——以ECG信号分类为例[J].浙江科技大学学报,2016,(01):78.
　SUN Lihui,SONG Wei. Exploration of pattern recognitions teaching reform based on scientific research----Taking ECG signal classification as an example[J].,2016,(02):78.

更新日期/Last Update: