基于SVM+XGBoost集成分类器的inter-patient心律失常心电信号分类

作者：徐晨华; 叶思超; 丰云杰; 乔清理^*

来源：国际生物医学工程杂志, 2020, 43(05).

• 心律失常
• inter-patient
• 集成分类器
• 特征提取

目的研究一种用于inter-patient范式下对心律失常心电(ECG)信号进行分类的分类器, 提高自动分类的准确度, 解决心律失常人工诊断的局限性。方法构建包括预处理、特征提取、支持向量机(SVM)训练和集成分类4个模块的SVM+XGBoost集成分类器。具体步骤为:对ECG信号进行预处理, 将R-R间期、高阶统计量、局部二值模式、小波分量作为特征, 分别训练独立SVM分类器;使用XGBoost算法对各独立SVM分类器进行集成, 输出心律失常分类结果;在MIT-BIH数据库上对集成分类器进行训练和测试。结果集成分类器对心律失常的总体分类准确度为0.867、平均灵敏度为0.782。结论所提出的集成分类器能实现inter-patient范式下心律失常ECG信号的自动、准确分类, 可用于临床辅助诊断。

• 单位
  天津医科大学