基于改进熵特征的心律失常分类研究

Research on classification of arrhythmia based on improved entro-py feature

田长平 ¹张长胜 ¹赵振刚 ¹张家洪 ¹陈玮 ²彭玮 ¹李川 ¹李英娜¹

扫码查看

作者信息

1. 昆明理工大学信息工程与自动化学院,云南昆明650500
2. 杭州柏医健康科技有限公司,浙江杭州311200
折叠

摘要

心律失常类型的判断对心血管疾病的防治十分重要,针对波动散布熵(multiscale fluctuation dispersion entropy,FDE)在进行心律失常分类识别时尺度单一、不能全面反映心律失常信息等不足,通过改进FDE特征,提出一种基于自适应多尺度波动散布熵(adaptive multiscale fluctuation dispersion entropy,AMFDE)的心律失常分类方法.首先在计算FDE特征前利用优化K值的变分模态分解(variational mode decomposition,VMD)对信号进行分解,以获取预设数量的固有模态分量(IMF),然后提取各尺度子序列的FDE作为分类特征,并采用遗传算法(genetic algorithm,GA)对支持向量机(SVM)的惩罚因子c和核函数参数g进行寻优,最后通过GA-SVM模型进行模式识别.计算结果表明,所提方法对4类心律识别的平均准确率达到95.3％,灵敏度达到95.4％,特异性达到98.4％,相比自适应多尺度散布熵(adaptive multiscale dispersion entropy,AMDE)等其他方法优势明显,可以实现对心电(electrocardiogram,ECG)信号的准确分类.

关键词

心律失常分类/变分模态分解/AMFDE/GA-SVM

引用本文复制引用

基金项目

国家自然科学基金(61972185)

出版年

2021

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

参考文献量1

段落导航