基于張量的心電特征提取及模式分類方法研究.pdf

1、心電信號的自動分析診斷技術(shù),是通過模式識別方法來提取心電信號中的有效特征,并給出輔助結(jié)論,從而幫助醫(yī)生更加快速準(zhǔn)確地給出診斷結(jié)論,提高診斷效率并減少誤診率。傳統(tǒng)的心電信號自動分析診斷技術(shù)的研究對象主要是單導(dǎo)聯(lián)或2導(dǎo)聯(lián)心電信號,在向量空間來完成特征抽取和模式識別的過程。然而現(xiàn)在12導(dǎo)聯(lián)心電信號已經(jīng)成為醫(yī)學(xué)界通用的標(biāo)準(zhǔn),如果仍然應(yīng)用向量空間中的方法來處理這類心電信號,將會丟失12導(dǎo)聯(lián)心電信號表征帶來的有價值的結(jié)構(gòu)信息,還會面臨小樣本問題。因

2、此迫切需要針對12導(dǎo)聯(lián)心電信號提出新的處理方法。
　　本文針對這一需求,提出了一個基于張量的心電自動分析處理框架,在張量空間完成12導(dǎo)心電信號的特征抽取過程,最大程度保留了真實心電數(shù)據(jù)中的完整信息,用于后續(xù)的模式分類。本文所提出的心電張量自動分析處理框架主要分為以下三個模塊:
　　1)心電信號預(yù)處理。在心電信號預(yù)處理部分,我們根據(jù)噪聲的不同來源使用了不同的方法對原始信號進行了去噪處理,然后基于特征點檢測對去噪信號進行了心跳切

3、分。對于切分好的心跳信號,我們通過短時傅里葉變換將其映射到3階張量空間上,這樣既能捕捉到時域上心電波形在形態(tài)上(如波幅,間期等)的變化特征,也能捕捉到心電信號在頻域上功率譜變化的特征,提升心電特征可判別性。
　　2)特征抽取。本文首先介紹了向量空間中常用的幾種心電特征提取方法,然后重點研究了基于張量來提取心電信號特征的方法。根據(jù)最終獲取特征空間的不同,分別研究了通過張量分解和秩1張量判別分析來獲取12導(dǎo)聯(lián)心電特征的過程。秩1張量判

4、別分析本質(zhì)上是一種類貪心算法:其在各個迭代過程中有局部最優(yōu)解,但在整體上并非全局最優(yōu)解。針對這一問題,我們提出了一種自適應(yīng)的秩1張量判別分析方法:根據(jù)訓(xùn)練數(shù)據(jù)在已有特征上的判別性,自適應(yīng)調(diào)整后續(xù)迭代中獲取的特征,從而使得所有特征在整體上能有更好的效果。
　　3)模式分類。在分類器的選擇過程中,通常需要考慮分類器的分類準(zhǔn)確率以及性能。另外,心臟病種類繁多,是一個典型的多類分類問題,因此選擇的分類器必須具有良好的多類分類能力。我們最終

5、選擇使用支持向量機來完成分類過程。支持向量機本質(zhì)上是一種稀疏核機器,能通過kernel trick來解決非線性分類問題,并且計算復(fù)雜度也很低,在很多分類問題中都被證明有很好的分類準(zhǔn)確率和性能。在解決多類分類問題時,我們采用了一種投票的方式來擴展原始的二分類支持向量機。
　　在真實數(shù)據(jù)集上的實驗結(jié)果驗證了我們提出的張量方法能夠獲取判別性較好的特征,在模式分類中獲得了比向量空間方法更高的準(zhǔn)確率,另外我們提出的自適應(yīng)的秩1張量判別分析方