资源描述：
《基于神经网络的心电信号波形自动分类算法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第27卷第1期北京生物医学工程Vol.27No.12008年2月BeijingBiomedicalEngineeringFebruary2008基于神经网络的心电信号波形自动分类算法研究张泾周张良筱魏大雪张光磊摘要心电图诊断是临床常规检查之一。医生常常需要分析心电波形形态上的各种特征,做出临床诊断,因此它对心血管疾病具有重要(诊断)价值。通过对心房肥大、心室肥厚、窦性心律紊乱三类常见心脏疾病的心电图诊断标准分析,采用人工神经网络方法进行心电波形分类算法研究,验证了给出的神经网络算法是可行的。关键词心电图;诊断标准;分类中图分类号R318.04文献标识码
2、A文章编号100223208(2008)0120041203ResearchonECGautomaticclassificationusedneuralnetworkZHANGJingzhou,ZHANGLiangxiao,WEIDaxue,ZHANGGuangleiSchoolofAutomaticControl,NorthwesternPolytechnicalUniversity,Xi’an710072【Abstract】Electroniccardiogramdiagnosis,oneofthegeneralclinicchecking,has
3、importantvalueforcardiovas2culardiseases.Doctorsusuallyneedtoanalyzeandmakeclinicdiagnosisbyallkindsofcharactersfromelectricwave.Thepapermainlyanalyzesthewaveofthreecardiovasculardiseases,atrialhypertrophy,ventricleplump,andsinusrhythmtur2bulence.Weintroduceanartificialneuralnet
4、worktoclassifycardinalelectricwaveandfinallytheresultsverifythefeasi2bilityofartificialneutralnetwork.【Keywords】cardiogram;diagnosiscriterion;classification从1903年WillemEinthoven应用弦线式心电图法对心电图进行识别和分类。机记录到图形清晰、可供临床应用的心电图,至今已[1]1基于神经网络的心电波形分类算法有一百年历史。心电图目前已成为心血管疾病[2]无创性检查诊断的重要方法之一。多
5、数的神经网络应用于医学领域的分类方面,在人体心电信号诊断中,人们要寻找对诊断有分类的应用可以分为两个部分,一个是判断问题,就意义的、具有某种特征的信号或信号的某种特征量。是判别某个记录是否某种疾病,或者是何种程度的[3]有了特征量,就要根据它们进行诊断。所谓诊断疾病,如乳腺癌的医学诊断、食道癌的判别、肺癌识就是分类。在心电图分类中一个比较明显的特点是别、皮肤癌的良恶性判别、肺炎死亡率判别以及临床待分类样本的数据复杂度高,具有相关性,同时噪声决策分析等;另一类是检测问题,就是从某个记录中大,有些心电图很难鉴别。所以分类算法的设计必检测是否含有某些疾病。如
6、脑电图EEG信号中检须要充分考虑到这些特点,以达到较好的分类效果。测疾病;心电信号ECG中检测疾病,还有利用CT或[4]现在用的模式分类方法有句法分析、模糊模式识别、MRI图像进行计算机辅助诊断和图像分类等。模糊决策和神经网络等。生物医学信号处理的目的是能告诉人们与信号基于神经网络的心电图分类方法,充分利用了联系的类别信息,一个最简单的例子是从被测者获神经网络的泛化能力和学习能力,根据具有不同特取的ECG信号需要判别它是属于“正常”还是“异征信息的心电图,通过学习,获取心电图分类知识,常”,若是“异常”,应指出属于哪一类异常,目前在并以分布的形式存贮于
7、系统网络的结构参数中。较临床上主要是靠医生及医学界长时间积累起来的经基于专家系统的心电图分类方法有更大的灵活性和验(形成各类具体病症的规律与法规)。心电自动适应心电图变化的能力。所以本文采用神经网络方分析系统的一个非常重要的任务就是对心电信号进行分类,在心电图分类中一个比较明显的特点是待作者单位:西北工业大学自动化学院(西安710072)作者简介:张泾周(1960—),男,博士研究生,研究方向为计算机控分类样本的数据复杂度高,具有相关性,同时噪声制、医学信号检测与处理大,有些心电图很难鉴别。所以分类算法的设计必·42·北京生物医学工程第27卷须要充分考
8、虑到这些特点,以达到较好的分类效果。32SI+SⅢ人工神经网络以类比于生物神经系统处理信息33
