skip to main content
訪客
個人書架
我的帳戶
登出
登入
This feature requires javascript
檢索首頁
圖書館首頁
電子期刊
引用參考文獻查詢
指定參考書查詢
新書通報
標籤查詢
線上輔助
語言:
English
繁體中文
This feature required javascript
This feature requires javascript
Primo Search
館藏+文章
館藏+文章
館藏
查館藏
文章
查文章
機構典藏
機構典藏
Search For:
Clear Search Box
Search in:
文章
Or hit Enter to replace search target
Or select another collection:
Search in:
文章
進階檢索
瀏覽查詢
This feature requires javascript
顯示結果:
查詢種類
criteria input
包含在我的檢索語句內
完全相同
顯示結果:
查詢種類 索引
criteria input
任何地方
題名
ISBN
ISSN
Show Results with:
題名
Show Results with:
任何地方
題名
ISBN
ISSN
This feature requires javascript
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
線上檢視
詳細格式
評論和標籤
相關文章推薦
FullText@NUTN
引用次數
This feature requires javascript
傳送到
加入個人書架
從個人書架中移除
E-mail
列印
永久連結
引用
EndNote
導出 RiS
This feature requires javascript
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
This feature requires javascript
This feature requires javascript
返回到檢索清單
檢索清單
1
下ㄧ個記錄
This feature requires javascript
This feature requires javascript
正在檢索遠程資料庫,請稍等
查詢:
在
primo_central_multiple_fe
顯示現有記錄
This feature requires javascript
This feature requires javascript