文件名称：基于心电信号的基于支持向量机的心律失常亚分类-研究论文
文件大小：653KB
文件格式：PDF
更新时间：2024-06-09 14:46:24
Arrhythmia; Electrocardiogram; Machine Learning; ECG
这项工作提出了一种基于支持向量机（SVM）和离散小波变换（DWT）的使用心电图（ECG）自动分类心律不齐的方法。 由于遗传性的复杂性和ECG信号的非平稳性质，像心律不齐之类的疾病的检测很麻烦。 该方法使用SVM进行分类，使用DWT进行特征提取，这对于准确诊断至关重要。 无法准确识别ECG中的细微变化，从而导致错误的特征提取。 错误的特征提取反过来为SVM提供了失真的特征空间。 为了改善这一点，在该方法中使用了DWT，它在时域和频域均提供了足够的分辨率，以检测ECG信号的变化。 通过这种方法检测到的不同心脏疾病是房颤，恶性心室，窦性心律正常，室上性心律失常。 该算法在MIT-BIH心律失常数据库上的准确率达到99.32％，与其他算法相比，这是一个改进。 所提出的方法提供了相当简单且更鲁棒的算法，这是非常有效的。