基于自回归移动平均模型拟合的高效心律失常自动分类研究

作者：闫惠君; 莫思特^*; 黄华; 刘彦

来源：生物医学工程学杂志, 2021, 38(05): 848-868.

• 心律失常
• 自回归移动平均模型
• 心拍分割
• R波提取
• 支持向量机

心律失常的自动检测对于早期预防与诊断心血管疾病具有重要意义。传统的心律失常诊断受限于专家知识,缺乏多维的特征表示能力,算法复杂,不适用于穿戴式心电监测设备。本研究提出基于自回归移动平均(ARMA)模型拟合的特征提取方法,以不同类型心拍作为模型输入,利用ARMA模型对心律失常信号以合适的阶数进行系数拟合,完成心电特征提取,并将特征向量分别输入支持向量机(SVM)与K近邻分类器(KNN)进行心电自动分类。所提算法采用MIT-BIH心律失常数据库与房颤数据库为数据集进行验证,结果表明:ARMA模型拟合系数组成的特征工程结合支持向量机分类器得到查全率为98.2%,查准率为98.4%,F1指数为98.3%。该算法具有较高的性能,满足临床诊断需求,算法复杂度低,可采用低功耗嵌入式处理器进行实时运算,适用于穿戴式心电监测设备的实时预警。

• 单位
  四川大学