動態(tài)心電圖波形改進分類策略研究.pdf

1、心電圖(簡稱ECG)是反映心臟興奮的電活動過程，是人類生命活動中一個明顯的體現(xiàn)。心電圖反映了人體心臟的工作狀況，它的各個波形的不同變化往往體現(xiàn)出了某些病變。在現(xiàn)代醫(yī)學中，心電圖正越來越成為醫(yī)生診斷心臟疾病的依據(jù)。動態(tài)心電圖(Dynamic Electrocardiogram)長時間地記錄心臟的狀況，一般在24小時內(nèi)記錄近10萬次左右的心跳所產(chǎn)生的心電圖。由于記錄時間長、數(shù)據(jù)量龐大等原因，醫(yī)生不可能閱讀每一次心動事件用于心臟病診斷，如何準

2、確、可靠、完整、快速地從中抽取各類典型心電數(shù)據(jù)充當診斷依據(jù)，成為當今研究的熱點。
　　 機器學習(Machine Learning)是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習的理論方法可被用于大數(shù)據(jù)集的數(shù)據(jù)挖掘這一領域。當前，機器學習研究與應用中最常用的關鍵技術有：集成學習、貝葉斯網(wǎng)絡、決策樹、統(tǒng)計學習理論與支持向量機、隱馬爾可夫模型、神經(jīng)網(wǎng)絡、k近鄰方

3、法、序列分析、聚類、粗糙集理論、回歸模型等。
　　 本文以動態(tài)心電圖波形為研究對象，研究動態(tài)心電圖波形數(shù)據(jù)的采集、整理、預處理，引入機器學習的概念，通過比較和分析確定一種分類算法并加以改進。具體內(nèi)容包括采用小波變換及閾值檢測的方法檢測R波，并以設計一套動態(tài)心電圖波形自動分類系統(tǒng)為目的，將聚類方法與分類方法相結合，在已完成聚類策略的篩選之后，通過對比不同分類方法在動態(tài)心電圖波形分類中的優(yōu)劣，確定了K近鄰(KNN)分類策略，并對波形