語言:

基于极限学习机的左束支传导阻滞辅助诊断研究王之琼1吴承暘1信俊昌2赵越1李响3

1(东北大学中荷生物医学与信息工程学院,沈阳110169 东北大学计算机科学与工程学院,沈阳110004)

中国生物医学工程学报, 2017 (3), p.293-299

可取得全文

引用被引用

傳送到

題名:
基于极限学习机的左束支传导阻滞辅助诊断研究王之琼1吴承暘1信俊昌2赵越1李响3
著者: 1(东北大学中荷生物医学与信息工程学院,沈阳110169 东北大学计算机科学与工程学院,沈阳110004)
主題: 极限学习机; 左束支传导阻滞; 机器学习算法; 心电信号处理; 特征提取
所屬期刊: 中国生物医学工程学报, 2017 (3), p.293-299
描述: 左束支传导阻滞(LBBB)作为临床常见的一种心律失常,是左心室收缩功能减低、患者死亡率增加的标志;利用机器学习算法对其进行辅助诊断,将对LBBB早发现、早治疗起到积极的推动作用。然而,由于目前常用的支持向量机(SVM)等传统的机器学习算法容易产生局部最优解,准确度有待提高,因此提出一种基于极限学习机(ELM)的LBBB辅助诊断算法。首先,利用小波进行心电信号预处理,包括基线漂移、肌电噪声及工频干扰的去除;接着,确定QRS波群与T波位置;然后,根据临床上LBBB患者比正常人的QRS波群持续时间延长等特点,建立融合时域、形态与能量3类特征的特征模型;最后,利用该模型提取的特征集合,提出基于ELM的LBBB辅助诊断算法。此外,在MIT_BIH数据库中的5 000份ECG数据上进行实验验证,结果表明所提出的预处理与波形提取算法能有效去除噪声并提取QRS-T特征波;在LBBB的判别上,相比SVM算法、ELM算法的训练时间缩短了88.5%;同时,在准确率、灵敏度、特异度、LBBB检出率和正常人检出率的指标上,分别提升2.4%、5.4%、1.2%、3.6%和2%。因此,基于ELM的LBBB辅助诊断算法具有明显优势。
語言: 中文
識別號: ISSN: 0258-8021
資源來源: Alma/SFX Local Collection

返回到檢索清單

檢索清單 1 下ㄧ個記錄下ㄧ頁

基于极限学习机的左束支传导阻滞辅助诊断研究王之琼1吴承暘1信俊昌2赵越1李响3

1(东北大学中荷生物医学与信息工程学院,沈阳110169 东北大学计算机科学与工程学院,沈阳110004)

正在檢索遠程資料庫，請稍等