基于ELM的室性早搏检测算法
计算机辅助室性早搏检测对室早的早诊断、早治疗十分关键,而基于SVM的室早检测方法存在训练速度慢、分类效果不稳定等问题.提出了一种基于极限学习机的计算机辅助室早检别算法,该算法首先对心电图像进行预处理,去除噪声后进行QRS波检测,然后建立室早特征模型并提取特征,最后基于极限学习机(extreme learning machine,ELM)进行室早检测利用MIT-BIH的Arrhythmia心电数据库的心电信号对该算法进行了测试,结果表明与SVM相比ELM在分类速度及分类准确度上都有明显的优势.
室性早搏 病理诊断 极限学习机 效果评价
王之琼 刘红艳 肖静 于戈 康雁
东北大学中荷生物医学与信息工程学院 沈阳 110819;医学影像计算教育部重点实验室(东北大学) 沈阳 110819;东北大学信息科学与工程学院 沈阳110819 东北大学中荷生物医学与信息工程学院 沈阳 110819 东北大学信息科学与工程学院 沈阳110819 东北大学中荷生物医学与信息工程学院 沈阳 110819;医学影像计算教育部重点实验室(东北大学) 沈阳 110819
国内会议
哈尔滨
中文
196-204
2013-08-16(万方平台首次上网日期,不代表论文的发表时间)