基于模板匹配和特征识别相结合的心室期前收缩波形分类算法

目的提出了一种基于模板匹配和特征识别相结合的波形分类算法 ,用于心室期前收缩波形的分类。方法通过自适应的可变区域模板匹配技术从形态学上综合地比较了正常和异常的波形 ,用匹配结果指导后续的特征分类。特征分类过程仅使用 4个参量 ,基于最大概率分布的模糊识别解决了参量分布的模糊性问题。结果经MIT/BIH标准心电数据库测试 ,实验结果达到了 99.5 1 %的特异度和96.84%的灵敏度。结论该算法在分类精度上较已有的算法有明显的提高。