基于LIBSVM和GPU的心電信號(hào)自動(dòng)檢測(cè)方法研究.pdf

1、隨著人們生活方式的轉(zhuǎn)變、工作節(jié)奏的加快，心臟疾病已經(jīng)成為現(xiàn)代社會(huì)的高發(fā)疾病。對(duì)心臟疾病早期檢測(cè)、正確診斷和治療是降低心臟疾病死亡率的關(guān)鍵。心電信號(hào)（ECG)作為唯一能夠反映心臟活動(dòng)的電信號(hào)，是診斷和預(yù)防心臟疾病的重要依據(jù)。傳統(tǒng)的心電信號(hào)分析需要專業(yè)醫(yī)師來執(zhí)行。由于我國(guó)龐大的人口基數(shù)以及老年人口比例的升高，心電信號(hào)的自動(dòng)檢測(cè)不僅幫助人們更好地預(yù)防心臟疾病，也會(huì)極大地降低醫(yī)生的負(fù)擔(dān)。如何利用現(xiàn)代科學(xué)技術(shù)進(jìn)行心電信號(hào)的自動(dòng)分析和診斷成為了生物

2、醫(yī)學(xué)工程領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　本文提出了一種基于LIBSVM和 GPU的心電信號(hào)自動(dòng)檢測(cè)方法，并從三個(gè)方面提升心電信號(hào)的檢測(cè)效率。第一，利用小波變換進(jìn)行心電信號(hào)的噪聲去除，在不影響有用信號(hào)的前提下，去除噪聲。第二，基于LIBSVM工具包進(jìn)行心電信號(hào)的自動(dòng)分類，使用心電信號(hào)的小波系數(shù)作為形態(tài)學(xué)特征，并利用心電信號(hào)的R R前期、R R后期和本地R R間期作為動(dòng)態(tài)特征。第三，我們利用GPU并行計(jì)算平臺(tái)對(duì)支持向量機(jī)訓(xùn)練過程進(jìn)行加速，同