Анализ аритмий и интерпретация сигналов ЭКГ

Для классификации извлеченных из ЭКГ-сигнала признаков можно использовать различные алгоритмы классификации. Высокая эффективность классификации зависит от того насколько хорошо векторы признаков могут быть разделены в пространстве признаков. Предлагаемая архитектура представляет классификацию аритмии на основе ЭКГ с использованием более надежных признаков и классификатора на основе регрессии. Предлагается эффективная автоматизированная классификация сердечных аритмий с использованием базы данных аритмий MIT-BIH и местного клинического набора данных. Предложенный метод обучил инкрементный классификатор регрессии вектора поддержки на 320 образцах различных аритмий. Предложенный метод был протестирован и сравнен с наиболее распространенными классификаторами такими как искусственная нейронная сеть машина опорных векторов и классификатор минимального расстояния. Из матрицы путаницы видно что предложенный нами алгоритм хорошо работает для распознавания нескольких классов. Предлагаемая архитектура использует для классификации признаки временной и частотной областей. Благодаря использованию статистики более высокого порядка наша задача классификации становится проще чем при использовании традиционных морфологических признаков. Предложенный алгоритм обеспечивает высокую производительность даже при небольшом объеме обучающих данных.