基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。     

基于SVM回归的连续血压测量方法

针对目前血压测量主要以间歇式为主, 且难以摆脱充气袖带束缚的问题, 在脉搏波特征参数法测量血压的基础上, 提出基于SVM(Support Vector Machine)回归的连续血压测量方法。以脉搏波为主要研究对象, 提取脉搏波相关特征点, 并对其进行周期分割, 得到脉搏波时域特征, 寻找动脉血压和脉搏波时域特征之间的关系, 建立连续血压回归模型。实验结果表明, 该方法可以很好地对每一心拍的血压值进行连续测量, 且测量结果符合美国医疗器械促进学会(AAMI: Association for the Advancement of Medical Instrumentation)推荐的标准,平均误差不超过0. 67 kPa、标准差不超过1. 07 kPa。