基于卷积神经网络的心律失常分类方法

使用一种组合式心拍分割方法,利用带通滤波对原始心电数据进行降噪处理,实现QRS波群定位和心拍截取;设计7层的一维卷积神经网络（convolutional neural network,CNN）模型,对正常搏动（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、室性早搏(V)4类心拍数据自动分类检测,从而完成4类心律失常的分类。以MIT BIH心律失常数据库47条数据进行训练,结果显示,其准确度为9900%,召回率为9908%;与相关文献的研究方法对比,本方法具有较高识别精度,能有效解决人工对心电图识别的误诊、错诊问题。     

105例扩张型心肌病心律失常的动态心电图分析

目的：探讨扩张型心肌病心律失常的动态心电图检测，分析本病中心律失常的发生情况。方法：用惠普24h动态心电监护仪检测105例扩张型心肌病。结果：在105例扩张型心肌病中，共检出心律失常发生838次，最少发作1—2次／24h，最多发作30次／24h，其中，室性早搏为最常见的心律失常(占80．9％)，左心室高电压占72．38％，房性早搏占51．42％，心动过速占36．19％，心房纤颠占31．42％，心动过缓占23．8％，束支阻滞占23．8％，Q——T延长占19．4％，RonT占15．23％，短阵室速占4％。在105例中有心律失常伴心悸，胸闷占45．71％，余37例完全无症状占71％。猝死10例，占10％。结论：动态心电图检湖对扩张型心肌病心律失常的检出、治疗以及判断预后治疗效果均有监测和指导意义。     

梯形图在心电图诊断心律失常教学中的应用

针对心电图诊断心律失常教学中的特点,应用心电图梯形图进行讲解,采用多媒体等工具,结合传统的授课方法,可明显提高教学质量.将2007级本科临床医学专业4个班的学生随机分为2组,对照组采用传统的心律失常讲解的授课方法,梯形图教学组采用梯形图示意,结合传统的讲解方法.讲授完后进行理论和图形诊断考核,并要求梯形图教学组同学填写...     

心拍的镜像高斯建模分析

心拍分类对于临床心律失常自动化检测非常重要。使用一种新的镜像高斯模型(MGM)算法用于描述QRS复合波段形意,可以自动地、有效地提取QRS复合波段宽度信息,并用于心拍分类。通过使用MIT-BIH心律失常数据库的所有数据集进行测试,正常心拍的总识别率达到93.9%,室性早搏心拍的总识别率达到93.94%。因此,MGM算法可以很好地描述QRS复合波段,并且是一种很有前途的心拍分类算法。     

24 h动态心电图在心律失常临床诊断中的应用分析

分析24 h动态心电图（AECG）在心律失常临床诊断中的应用效果。选取2019年1月—2020年12月来定西市人民医院就诊的96例心律失常患者作为研究对象,入院后均接受AECG、常规心电图（ECG）检查,对2种检查方法的诊断结果做对比分析,并调查患者对2种检查方法实用性、准确性、可重复性的认知情况。24 hAECG对心律失常检出率96.88%明显较常规ECG的70.83%高（P<0.05）;24 hAECG对短阵房速、室性期前收缩、房性期前收缩、室早二+三联律、房早二+三联律及房室阻滞的检出率明显较常规ECG高（P均<0.05）,而对房颤、短阵室速、窦房阻滞的检出率和比较差异不明显（P均>0.05）;96例患者对24 hAECG诊断准确性的认知评分明显较常规ECG高（P<0.05）,而对其实用性、可重复性的认知评分与常规ECG比较差异不明显（P均>0.05）。24 hAECG对心律失常的诊断效果优于常规ECG,可对患者心律变化做出更充分地反映,进而有利于提升诊断准确度,并可为患者病情判断及后续治疗提供指导依据。     

基于心电图分析的心律失常分类

心律失常分类是心电图自动分析的重要内容。论文基于心律失常的心电波形特点,运用逻辑判别树方法实现心律失常分类。首先,运用数学形态学和小波变换算法检测心电波形的QRS波,计算RR间期、QRS波时限等参数;然后结合医生识读心电图判别依据,将所有心拍分成主导性心拍、室上性异常心拍、室性异常心拍、其他心拍4类。利用MIT-BIH心律失常数据库检验分类效果,统计结果表明总体准确率达到了94.2%。     

运用双向长短期记忆模型的心拍分类算法

为提高心拍的分类效果,研究基于双向长短期记忆(BiLSTM)模型的深度学习算法.首先,采用“双斜率”法对心电信号进行预处理;然后,设计自适应阈值对预处理后的心电信号进行QRS波定位,并依据R波波峰分割截取心拍;最后,采用BiLSTM模型的深度学习算法对获取的心拍形态进行分类.使用MIT-BIH心率失常数据库验证算法有效性,实验结果表明:文中算法对正常或束支传导阻滞(N)、室上性异常(S)、心室异常(V)、融合(F)类型的敏感性分别为98.56%,97.10%,93.33%,79.52%,特异性分别为98.38%,98.08%,98.54%,99.65%;与传统的支持向量机等方法相比,文中算法能够进一步提高心拍分类的正确率.     

112例小儿病毒性心肌炎的动态心电图分析

目的:探讨小儿病毒性心肌炎的动态心电图特点。方法:对本院诊断为病毒性心肌炎的112例患儿的动态心电图(Holter)结果进行回顾分析。结果:小儿病毒性心肌炎患者发生的心律失常以房性早搏及室性早搏最为多见,并常合并有心电图ST-T改变为特征的心肌缺血。结论:动态心电图对小儿病毒性心肌炎在心律失常早期发现方面有独特优势,为早期诊断病毒性心肌炎提供可靠的线索。     

单片机心律失常监护仪

在心电信号ECG中R波幅值最大,变化率最快。因此,对心电信号的处理首先在于准确地检出R波,为此对原始的心电波形进行一次差分,以进一步突出R波。在监护之前,先经过8s自学习,以确定为检出R波所需的差分阙值,把心电波形与阈值比较,就可确定R波位置,进而确定和计算复合彼QRS的位置和宽度、瞬时心率等心电特征量,为一些常见的心率失常的判别奠定基础。根据对心脏停搏、心动过速、心动过缓、漏搏、室性早搏等的判别式,当出现心律失常时,进行显示和报警。     

基于DCG心电信号的R波检测算法

提出了一种基于动态心电图(DCG)心电信号的R波检测的新算法.该算法以平均双向斜率和相对高度为主要特征,能够快捷准确地检测R波.通过对MIT-BIH Long-Term ECG数据库以及哈尔滨医科大学医院提供的Holter记录进行R波检测,验证了该算法的可行性.针对检测结果分别与最大值双重搜索技术和差分运算方法(DOM)的检测结果进行了比较,发现所提算法的识别正确率(98.3%)高于以上两种算法(95.2%和90.7%).     

基于判别分析的基因分类

利用基因表达序列识别肿瘤亚型,具有非常重要的临床意义.根据大肠杆菌基因图谱筛选出的信息基因,采用判别分析法,得到典型判别式函数,以阈值θ=-0.6935来进行分类,进而确定肿瘤基因"标签".     

一种基于心电信号的pRRx序列分析心律失常的方法研究

提出一种从ECG数据中提取pRRx序列, 进而分析心律失常的方法。选取20例正常窦性心律和20例心律失常患者的ECG数据, 计算相应的pRRx序列(x从1~100 ms取值), 两组pRRx序列的分布呈现明显的差异。对pRRx序列进行线性和非线性分析, 结果表明: 1) 线性指标中, AVRR, rMSSD和SDSD在两组序列中表现出显著性差异(P<0.001); 2) 非线性指标中, pRRx序列直方分布信息熵(S_dh)、功率谱直方分布信息熵(S_ph)功率谱全频段信息熵(S_pf)和pRRx的分形维数(D_sf, D_cf, D_vm和D_rms)在两组序列中表现出显著的统计学差异(P<0.001)。因此, 基于pRRx序列的分析在一定程度上能够反映心脏系统的线性和非线性性质, 可以作为一种新颖且有效的心律失常分析方法。     

应用主成分分析法的ECG身份识别方法

提出了一种基于主成分分析法对ECG信号进行特征表述的身份识别新方法。在预处理阶段对ECG信号进行滤波、分段、归一化、抽样处理，然后计算ECG信号的协方差矩阵及协方差矩阵的特征值和特征向量，其中较大的特征值对应的特征向量具有与ECG相似的形状，利用这些特征向量可描述、表达和逼近ECG信号并用于后续的身份识别。实验结果表明：相对于ECG基点特征提取技术，该方法提高了录用率，获得了较好的识别效果。     

基于随机模拟和模糊聚类的水文干旱特性分析

为进一步探讨严重水文干旱事件的发生规律和确定黄河上中游地区连续枯水段的发生概率和重现期 ,采用多站季节性随机径流模型生成长序列人工径流 ,利用模糊聚类分析方法对人工径流序列中的枯水年份进行了识别 ,最后以黄河中游测站为例 ,通过对径流序列中不同长度连续枯水段出现情况的统计分析确定了几种条件下严重水文干旱的发生概率和重现期。多站季节性模型和模糊聚类分析相结合进行水文干旱特性分析 ,丰富了现有的研究方法 ,所得研究结论对黄河流域水资源规划和干旱年份的水资源调度和风险管理具有参考价值。     

企业经营状况分析的多类SVM分类方法

针对现有企业经营状况分析方法普遍存在的过于依赖评价者主观经验的不足,提出了企业经营状况分析的多类SVM分类方法。该方法首先利用动态聚类算法获得样本的类别信息,并利用主成分分析方法对样本数据进行降维,进而利用多类SVM模型实现企业经营状况的评估。由于整个评估方法完全建立在对历史数据分析的基础上,因而较为有效地克服了现有方法的主观性。给出了应用该方法的具体步骤,实际算例验证了该方法的可行性和有效性。     

基于时—频分析的步态模式自动分类

针对不同路况和运动模式下的高维、非线性、强耦合和高时变下肢加速度信号的识别问题,提出了一种基于时--频分析的步态模式自动分类方案.利用三轴加速度传感器采集运动时小腿在矢状面、冠状面和横切面的加速度信号,利用五阶Daubechies小波基对其进行特征提取,并采用线性判别式分析进行降维,最后利用决策树和支持向量机对得到的精简步态特征进行模式分类.实验结果显示两种分类器的总体分类准确率均达到90%以上,个别步态分类可达到100%,验证了特征提取和降维方法的合理性和有效性.     

Principal component cluster analysis of ECG time series based on Lyapunov exponent spectrum

In this paper we propose an approach of principal component cluster analysis based on Lyapunov exponent spectrum (LES) to analyze the ECG time series. Analysis results of 22 sample-files of ECG from the MIT-BIH database confirmed the validity of our approach. Another technique named improved teacher selecting student (TSS) algorithm is presented to analyze unknown samples by means of some known ones, which is of better accuracy. This technique combines the advantages of both statistical and nonlinear dynamical methods and is shown to be significant to the analysis of nonlinear ECG time series.     

基于语义分析的中文微博情感分类方法

通过分析微博的结构特点,提出了一种基于语义分析的中文微博情感分类方法。首先构建了表情符号情感词典和网络用语情感词典;然后结合词典资源对微博文本进行依存句法分析并且构建情感表达式树;最后根据制定的规则计算微博文本的情感强度,依据强度值判断微博的情感倾向类别。实验结果验证了该方法的有效性,也表明所构建的表情符号情感词典和网络用语情感词典能够有效增强情感分类器的性能。     

基于Minkowski泛函和K-means聚类算法的岩石类型划分

数字岩心技术的发展和计算科学、物理学、统计学、油藏工程等多学科的交叉融合,为基于数字岩心图像的岩石类型的精细划分提供了一种新的方法。基于micro-CT物理法成像处理后获得的砂岩数字岩心图像,运用闵可夫斯基泛函作为基于数字岩心图像的岩石物性特征的综合表征参数;并结合K-means聚类算法,可以达到基于数字岩心图像的岩石类型的精细划分和获得基于精细岩石类型层次系统的目的。对于后续基于精细岩心层次系统岩心物性参数的模拟和粗化具有十分重要的意义。     

基于聚类分析的空中交通复杂性模式划分方法

对不同复杂程度的空中交通运行状态进行模式划分有助于全面掌握空中交通运行特征。基于实际运行数据计算得出11个典型空中交通复杂性因子数据,提出了空中交通复杂性的相似性度量方法,基于K-means将空中交通状态划分为3个复杂性模式,并通过单因素方差分析验证了结果的合理性,最后分析了不同复杂性模式的统计特征。结果表明:大多数情况下交通状态处于中等复杂程度,其中高、中、低复杂性模式所占比例约为20%、50%、30%,复杂程度高的交通状态对应的管制员工作负荷也高,复杂性模式具有比较明显的时间分布特征。