• 四川大学 电子信息学院(成都 610041);
导出 下载 收藏 扫码 引用

心律失常是一种极其常见的心电活动异常症状,基于心电图(ECG)的心拍分类对心律失常的临床诊断具有十分重要的意义。本文提出一种基于流形学习的特征提取方法——近邻保持嵌入(NPE)算法,实现心律失常心拍的自动分类。分类系统利用NPE算法获取高维心电节拍信号的低维流形结构特征,然后将特征向量输入支持向量机(SVM)分类器进行心拍的分类诊断。实验基于 MIT-BIH 心律失常数据库提供的 ECG 数据,对 14 种类型的心律失常心拍进行分类,总体分类准确率高达 98.51%。实验结果表明,所提方法是一种有效的心律失常心拍分类方法。

引用本文: 高兴姣, 李智, 陈珊珊, 李健. 基于近邻保持嵌入算法的心律失常心拍分类. 生物医学工程学杂志, 2017, 34(1): 1-6. doi: 10.7507/1001-5515.201605045 复制

  • 下一篇

    基于独立分量分析的在线脑-机接口系统