一種基于多卷積核特征提取的房顫檢測.pdf

1、房顫是臨床最常見的一種心率失常疾病，嚴(yán)重危害著人類的健康。因此房顫檢測方法的研究，對及早地發(fā)現(xiàn)房顫，減少病人的發(fā)病率和死亡率，以及減少經(jīng)濟負(fù)擔(dān)等有重要的臨床和社會意義。房顫檢測方法的任務(wù)主要包括對心電信號預(yù)處理、特征提取和房顫檢測。而特征提取的精度很大程度上決定了診斷效果，目前已有的房顫檢測算法尚未妥善解決特征提取問題，所以房顫檢測錯誤率仍然很高。
　　卷積運算是圖像處理領(lǐng)域應(yīng)用很廣泛的一種運算，通過卷積運算，可以使原信號特征增強

2、。在模式識別中，也是一種很重要的特征提取方法。卷積核的取值決定了特征提取效果的好壞，所以本文基于卷積運算，就好的卷積核的取值如何確定這個問題展開研究，提出了一種通過從大量卷積核中，選擇特征提取效果好的卷積核來提取信號特征的方法。同時，因為數(shù)據(jù)量大，卷積運算時間比較長，所以本文中還利用MATLAB的GPU并行計算工具箱實現(xiàn)了卷積運算的加速。論文主要研究內(nèi)容如下：
　　1.針對心房活動特征提取問題提出一種卷積核選擇算法。在基于單心拍心

3、房活動特征的房顫檢測基礎(chǔ)上，本文中將十萬個原心電信號的特征片段作為備選卷積核，用來提取信號特征，這樣能夠保留更多的特征。接著對特征矩陣進行每列求和的池化處理，那么一個卷積核則對應(yīng)一個特征。然后通過特征值數(shù)據(jù)的直方圖分布從提取到的大量特征中，選擇出特征提取效果好的一千個特征，完成卷積核的初次篩選。最后基于AdaBoost算法，從這一千個特征中選擇50個特征，從而完成卷積核的選擇，并且構(gòu)造強分類器，實現(xiàn)高精度房顫檢測。這50個卷積核作為提取