基于模糊隶属度与支持向量机心律失常分类模型

杨枢; 朱超

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于模糊隶属度与支持向量机心律失常分类模型

杨枢 , 朱超

文章导航 > 蚌埠医学院学报 > 2012, 36 > 8: (985-988)

引用本文:

Citation:

基于模糊隶属度与支持向量机心律失常分类模型

杨枢¹,
朱超²

1.
1. 蚌埠医学院计算机教研室, 安徽, 蚌埠, 233030;
2.
2. 安徽省蚌埠市第二人民医院心内科, 安徽, 蚌埠, 233000

作者简介: 杨枢(1971-)，男，硕士，副教授

基金项目:
安徽省教育厅高校自然科学研究项目资助(KJ2010B110)

Model of arrhythmia classification based on fuzzy subordination degree and support vector machine

YANG Shu¹,
ZHU Chao²

1.
1. Computer Teaching and Research Section, Bengbu Medical College, Bengbu Anhui 233030;
2.
2. Department of Cardiology, Bengbu Second People′s Hospital, Bengbu Anhui 233000, China

摘要: 目的：基于心电信号波形特点，运用模糊隶属度与支持向量机技术，探索实现心律失常自动分类的方法。方法：对MIT-BIH心律失常标准数据库的心电信号预处理，识别并定位QRS波；以QRS波为核心，利用心电信号波形相似性进行心电信号聚类；心电信号提取特征参数并模糊化，构建心律失常特征参数集；利用支持向量机技术建立心律失常分类器。结果：通过MIT-BIH心律失常标准数据库检验分类效果，总体准确率达到97.2%。结论：对MIT-BIH心律失常标准数据库的心电信号具有较高的分类准确率和较好的实用性。
- 心律失常 /
- 动态心电图 /
- 模糊隶属度 /
- 支持向量机
Abstract: Objective:To discuss the arrhythmia classification method based on the wave's characteristics by using fuzzy subordination degree and support vector machine(SVM) technology.Methods:The electrocardiosignal of MIT-BIH arrhythmia standard database was pre-processed,and QRS waves were identified and located.Electrocardiosignal was clustered by making use of the similarity of electrocardiosignal waves and having QRS waves as the center.The characteristic parameters were Abstracted from electrocardiosignal and fuzzified to build arrhythmia characteristic parameter set.The model of arrhythmia classification was established using the technology of SVM.Results:The classification performance which was assessed by the MIT-BIH arrhythmia database reached a total accuracy of 97.2%.Conclusions:This algorithm has a high accuracy of classification to the electrocardiosignal of MIT-BIH arrhythmia standard database and is quite practicable.
- arrhythmia /
- dynamic electrocardiograph /
- fuzzy subordination degree /
- support vector machine

[2] 郭继鸿.努力提高动态心电图应用水平[J].临床心电学杂志,2003,12(1):2.
[2]	李坤阳,胡广书.基于心电图分析的心律失常分类[J].清华大学学报:自然科学版,2009,49(3):109-112.
[3] 郭继鸿,张萍.动态心电图学[M].北京:人民卫生出版社,2003:158.
[4] 王雷,张瑞青.基于模糊规则和支持向量机的凝汽器故障诊断[J].热能动力工程,2009,24(4):476-480.
[5] 周群.ECG心搏建模与分析识别[D].杭州:浙江大学博士学位论文,2004:5-9.
[6] 王凯,张永祥,李军.遗传算法和支持向量机在机械故障诊断中的应用研究[J].机械强度,2008,30(3):349-353.

[1]	张显红 , 杨丽娜 . 变异性心绞痛病人心电图检测对恶性室性心律失常的临床预测价值. 蚌埠医学院学报, 2020, 45(10): 1395-1398. doi: 10.13898/j.cnki.issn.1000-2200.2020.10.021
[2]	陆江辉 , 冯燕娴 , 李玉杰 , 张隽 , 李晶晶 , 桑更生 . 老年患者严重缓慢性心律失常74例临床分析. 蚌埠医学院学报, 2008, 33(1): 59-60.
[3]	李学锋 , 王宏伟 , 苗国强 . 食管癌术后心律失常原因分析. 蚌埠医学院学报, 2010, 35(4): 394-395.
[4]	王茜 , 阚新梅 , 高影 , 梁晓丽 , 许梅 . 急性心肌梗死并发恶性心律失常11例心电监护及护理. 蚌埠医学院学报, 2011, 36(10): 1153-1155.
[5]	田颖慧 , 刘华清 . 突发致命性心律失常实施胸外按压的效果. 蚌埠医学院学报, 2013, 37(10): 1374-1375.
[6]	王丽 , 张莉莉 . 动态心电图与冠状动脉造影诊断急性冠状动脉综合征一致性分析. 蚌埠医学院学报, 2016, 41(10): 1285-1287. doi: 10.13898/j.cnki.issn.1000-2200.2016.10.008
[7]	邹玲 . 急性AMI患者急诊PCI术中心肌缺血后适应对再灌注心律失常的抗心律失常效应及手术时间的影响. 蚌埠医学院学报, 2017, 42(2): 201-203. doi: 10.13898/j.cnki.issn.1000-2200.2017.02.020
[8]	王忠 , 陈红 , 袁文俊 , 徐美英 , 朱文忠 . 丙泊酚对离体大鼠心脏缺血再灌注后心律失常的保护作用. 蚌埠医学院学报, 2004, 29(5): 385-387.
[9]	朱春丽 , 李建平 , 吴林生 . 高血压左室肥厚与心律失常关系探讨. 蚌埠医学院学报, 2009, 34(2): 151-152.
[10]	吴婷玉 , 徐玮 , 王本芳 . 食管心房调搏在快速型心律失常诊断中的临床意义. 蚌埠医学院学报, 2020, 45(12): 1615-1618. doi: 10.13898/j.cnki.issn.1000-2200.2020.12.006
[11]	张家美 , 吴晓蓉 , 付英杰 , 陈翔 , 谢春毅 . 稳心颗粒对急性冠状动脉综合征患者心律失常的防治及对血管紧张素Ⅱ的影响. 蚌埠医学院学报, 2012, 36(6): 687-689.
[12]	王伟 , 龚仁华 , 王尚中 , 魏超 , 李雷 , 曹葆强 . 心脏起搏器联合超声刀在心律失常患者腹腔镜胆囊切除术中的应用. 蚌埠医学院学报, 2016, 41(4): 467-469. doi: 10.13898/j.cnki.issn.1000-2200.2016.04.013
[13]	江成琳 , 胡业梅 , 高怀兰 , 卜军 . 复方罗布麻片联合胺碘酮治疗冠心病室性心律失常的系统评价和Meta分析. 蚌埠医学院学报, 2020, 45(10): 1338-1344. doi: 10.13898/j.cnki.issn.1000-2200.2020.10.007
[14]	黄宇理 , 李妙男 , 陈耀 , 孙强 , 高大胜 . 胺碘酮治疗老年急性心肌梗死并室性心律失常的临床分析. 蚌埠医学院学报, 2014, 38(6): 721-723.
[15]	欧丽黎 , 李吉华 . 小儿先天性心脏病介入治疗前后心律失常及心率变异性变化与术后心功能相关性分析. 蚌埠医学院学报, 2018, 43(5): 617-620. doi: 10.13898/j.cnki.issn.1000-2200.2018.05.016
[16]	陈路 , 陈艾琪 , 刘浩 , 于娟 , 高之振 , 谢宗玉 . 磁共振影像组学在鉴别中低危和高危前列腺癌中的应用. 蚌埠医学院学报, 2022, 47(1): 90-93, 98. doi: 10.13898/j.cnki.issn.1000-2200.2022.01.023
[17]	胡德厚 , 汪坤 . 急性心肌梗死早期应激反应致血钾变化41例分析. 蚌埠医学院学报, 2009, 34(4): 341-342.
[18]	王瑾 , 庞保东 , 李丽 , 阚亚楠 , 梁宏伟 . 不同年龄段功能性室性期前收缩患儿心率变异性的观察. 蚌埠医学院学报, 2014, 38(4): 497-499.
[19]	刘永飞 , 张佳婧 , 汪建胜 . 支持向量机算法预测腹部术后病人死亡风险模型的建立及验证. 蚌埠医学院学报, 2021, 46(8): 1062-1065, 1068. doi: 10.13898/j.cnki.issn.1000-2200.2021.08.018
[20]	张倩玉 . 小儿先天性心脏病介入术后早期并发心律失常危险因素预测模型的构建. 蚌埠医学院学报, 2023, 48(9): 1295-1297. doi: 10.13898/j.cnki.issn.1000-2200.2023.09.027

点击查看大图

计量

文章访问数: 3540
HTML全文浏览量: 391
PDF下载量: 403
被引次数: 0

基于模糊隶属度与支持向量机心律失常分类模型

杨枢¹
朱超²

作者简介: 杨枢(1971-)，男，硕士，副教授

1. 1. 蚌埠医学院计算机教研室, 安徽, 蚌埠, 233030;
2. 2. 安徽省蚌埠市第二人民医院心内科, 安徽, 蚌埠, 233000

收稿日期: 2012-02-06
网络出版日期: 2012-08-15

基金项目: 安徽省教育厅高校自然科学研究项目资助(KJ2010B110)

关键词:

摘要: 目的：基于心电信号波形特点，运用模糊隶属度与支持向量机技术，探索实现心律失常自动分类的方法。方法：对MIT-BIH心律失常标准数据库的心电信号预处理，识别并定位QRS波；以QRS波为核心，利用心电信号波形相似性进行心电信号聚类；心电信号提取特征参数并模糊化，构建心律失常特征参数集；利用支持向量机技术建立心律失常分类器。结果：通过MIT-BIH心律失常标准数据库检验分类效果，总体准确率达到97.2%。结论：对MIT-BIH心律失常标准数据库的心电信号具有较高的分类准确率和较好的实用性。