基于多核超限学习机的实时心电信号分析

心电分类是一种复杂的模式识别问题。目前,大部分基于不同机器学习模型的心电分类方法都取得了很高的分类精度,但学习效率不高,因此需要一种快速的心电学习方法。文章提出了基于多种核函数的超限学习方法,利用不同的核函数将特征映射到希尔伯特空间,使心电数据在高维空间中线性可分,并在MIT-BIH标准库进行了该方法的实验验证。与其他方法相比,文章所提出的方法具有较高的分类准确率和更快的学习速度,对临床上动态心电图的检测与分析和个性化的实时心电监测具有重要意义。

医疗健康大数据研究综述

本文从大数据的基本特点和医疗健康领域的大数据研究现状出发,首先从大数据的数据来源和数据特点进行了综述,概述了医疗信息数据和健康数据的采集方式;然后列举了利用医疗健康数据挖掘进行健康信息数据分析的常用方法,包括分类、回归分析、聚类、关联规则、特征分析、变化和偏差分析;最后介绍了临床支持系统、远程医疗及远程监控、电子档案与公共健康、疾病模式分析几个方面的应用。