基于EMD和ApEn特征提取的心律失常分类研究
心律失常分类是心电图自动分析领域的重要研究内容,其中精准的特征提取在分类中起着至关重要的作用.提出一种基于经验模式分解(empirical mode decomposition,EMD)和近似熵(approximate entropy,ApEn)相结合的心电信号特征提取的新方法.首先利用EMD将心电信号分解为不同的本征模函数(intrinsic mode function,IMF),计算前6个IMF分量的近似熵作为特征向量.然后利用粒子群优化算法(particle swarm optimization,PSO)优化后的支持向量机(support vector machine,SVM)分类器进行分类.经过美国麻省理工MIT BIH心律失常数据库进行验证,该方法能够对心律失常进行有效分类,其分类精度可达98.57％.
心电信号 特征提取 支持向量机 心律失常分类
王金海 史梦颖 张兴华
天津工业大学电子与信息工程学院 天津 300387;天津市医学电子诊疗技术工程中心 天津 300387 天津工业大学电子与信息工程学院 天津 300387
国内会议
南京
中文
168-173
2016-10-01（万方平台首次上网日期，不代表论文的发表时间）