基于数学形态学及支持向量机的心率失常识别

为实现对不同类型的心电图自动分析,研究并提出了一种顺序筛选极大值的R波定位算法,并采用支持向量机(SVM)进行最后的心律失常心拍识别。定位算法以数学形态学为基础,结合心电图自身特点,定义R波筛选区间,避免了传统算法中的阈值选择;定位R波峰后以R波峰为中心提取不同类型的心率失常的心拍,选择径向基(RBF)支持向量机进行识别分类。使用MIT-BIH心率失常数据库文件进行实验仿真,结果表明,算法对含不同类型心拍的心电图R波峰正确检测率较高(99.36%),学习后的SVM能有效识别早搏、房颤、束支传导阻滞、正常等不用类型心拍,总体识别率达到99.75%。

基于数学特征的心电信号ST段分类及检测

心电信号的ST段形态分析对心脏疾病的诊断有着重要的作用。针对目前由于ST段形态多样及局部噪声干扰影响,导致心电图ST段形态识别率不高的问题,提出了一种采用ST段形态数学特征的新识别方法,结合医学常用的形态分类标准,定义能用于识别ST形态类型的四个数学特征参数,即类型参数d、偏移电平参数c、倾斜参数k及凹凸参数t,并设计算法提取了上述4个参数。结合自适应模糊神经系统(ANFIS)对MIT-BIH数据库中的心电信号进行了仿真,结果表明,改进方法能够对医学上7种ST段形态进行有效的识别和分类,总体识别率达到了96.3%