高维表示空间中的人体室性心律失常分类
计算工程、金融与科学
2014-07-29 v2 机器学习
摘要
我们研究了使用支持向量机在不同表示空间中对标记为正常窦性心律、心室颤动和室性心动过速的人体心电图进行分类，并采用了不同的观测时长。使用持续时间为 0.5-4 秒的心电波形片段、其傅里叶幅度谱以及傅里叶幅度谱的低维投影进行分类。所有考虑的表示维度均远高于已发表研究中的维度。分类准确率随片段持续时间增加而提高，直至 2 秒，4 秒带来的提升很小。我们发现，通过本方法，使用比以往设想的更短的心电记录（2 秒，每类最低灵敏度 86%）来区分室性心动过速和心室颤动是可能的。在 5 秒观测窗口内对 1 秒片段进行操作的分类器集成给出了最佳结果，所有类别的检测灵敏度均超过 93%。
引用
@article{arxiv.1312.5354,
title = {Classification of Human Ventricular Arrhythmia in High Dimensional Representation Spaces},
author = {Yaqub Alwan and Zoran Cvetkovic and Michael Curtis},
journal= {arXiv preprint arXiv:1312.5354},
year = {2014}
}
备注
9 pages, 2 tables, 5 figures