北京生物醫(yī)學(xué)工程

高階神經(jīng)網(wǎng)絡(luò)用于心電信號(hào)的識(shí)別 _

Recognition of ECG Using a High Order Neural Network

作者：劉衛(wèi)芳; 歐陽(yáng)楷;

單位：首都醫(yī)科大學(xué)生物醫(yī)學(xué)工程系; 呼和浩特鐵路局中心醫(yī)院內(nèi)科;

關(guān)鍵詞：高階神經(jīng)網(wǎng)絡(luò); 分類識(shí)別; ECG; 平移; 旋轉(zhuǎn)

分類號(hào)：

出版年·卷·期（頁(yè)碼）：1997·1·2（107-114）

摘要：

心電圖（ＥＣＧ）的自動(dòng)識(shí)別及分類長(zhǎng)期以來(lái)一直是較難解決的問(wèn)題，特別是當(dāng)截取ＥＣＧ信號(hào)的起點(diǎn)不同（相當(dāng)于信號(hào)發(fā)生平移）及有基線漂移（相當(dāng)于信號(hào)發(fā)生旋轉(zhuǎn)）時(shí)，在不作預(yù)處理情況下要求仍能正確識(shí)別及分類，即要求識(shí)別過(guò)程具有平移不變性和旋轉(zhuǎn)不變性，更是困擾生物醫(yī)學(xué)工程上作者的困難問(wèn)題之一。作者采用高階神經(jīng)網(wǎng)絡(luò)（二階），對(duì)五類（正常類、高Ｒ波類、高Ｔ波類、Ｔ波倒置類及心律不齊類）具有平移及旋轉(zhuǎn)的ＥＣＧ信號(hào)進(jìn)行分類識(shí)別。結(jié)果表明，本網(wǎng)絡(luò)具有較好的分類效果。平移信號(hào)不受任何限制，可任意平移，旋轉(zhuǎn)信號(hào)最大旋轉(zhuǎn)幅度為原信號(hào)的２０％。本工作全部在微機(jī)上完成，而且本網(wǎng)還具有靈敏度高，學(xué)習(xí)時(shí)間短等特點(diǎn)，而有較大的臨床實(shí)用價(jià)值。

The classification and recognition of electrocardiogram (ECG) are difficult to solve for a long time, especially when the starting point of selected ECG signal is shifted or the signal is rotated. It. such cases, it requires the recognition process to be translation-invariant and rotation-invariant. The authors introduce a high order (second order) neural network which is used to recognize five types of ECG signals (nomal group. higher QRS wave group, higher T wave group, inversed T wave group and arrhythmi...

參考文獻(xiàn)：

服務(wù)與反饋：

【文章下載】【加入收藏】

提示：您還未登錄，請(qǐng)登錄！點(diǎn)此登錄

51黑料吃瓜在线观看,51黑料官网|51黑料捷克街头搭讪_51黑料入口最新视频