基于小波特征提取的多导联心电图神经网络分类

目的研究得到高效、快速、高准确率的心电图的分类方法。方法运用Mexicanhat小波检测多导联心电信号的特征点,然后运用径向基函数网络对特征进行分类。结果经过MITBIH心电数据库波形试验,并与别的实验比较证明,该方法具有较高准确率,对学习过的波形分类正确率达到100.0%,未学习过的86.6%。结论结合心电图的特点得到高准确率的分类方法。     

基于改进射线拟合法的多导联心电图神经网络分类系统

我们基于心电图特征提取与神经网络分类，提出了一种模拟现实的心电图分类方法，首先应用改进的心电图射线拟合理论，得到心电图多导联的特征；并根据心电图疾病分析的原理与实际诊断的特点，得到一个能对多导联心电图数据疾病类型进行分类的神经网络，为心电图自动分析提出了一个新的思路。经MIT-BIH心电数据库部分波形试验证明，该方法具有较高准确率，对学习过的波形分类正确率为100％，未学习过的78．2％。     

基于Mexican-hat小波的QRS检测新方法

基于心电信号的特征点对应于Mexican—hat小波变换的极值，我们使用Mexican—hat小波检测心电信号的特征点，为心电信号分析提供了新的检测手段。该方法简单，对心电信号特征点定位准确，快速。经MIT—BIH心电数据库检验，QRS波的检测率达到99．9％。