Heartbeatclassificationusingdisease-specificfeatureselection外文翻译介绍.doc

使用疾病特异特征选取分类心跳类型 摘要 自动分类心跳类型是协助医生找出在长期的动态心电图记录中异常的心跳的重要手段。在本文中，我们介绍了一种新的疾病特异特征选取的方法，它由一个一对一的特征排名阶段和一个包含在同一个一对一的支持向量机的二类分类器中的特征搜索阶段组成。 本文提出的方法与传统方法的不同之处在于它的重点是对有效的特征子集的选择，从而能通过一对一的对比从其他分类器中挑选出一个分类器。从MIT-BIH心律失常数据库中得到的心电图被用来评估本文所提出的特征选取方法。所采用的心电图特征包括跨节拍内和逐次心跳间期，振幅形态，面积形态和形貌上的距离。 采取美国医疗仪器促进协会（AAMI）提出的建议，MIT-BIH-AR的所有心率样本分为四类，即： 正常搏动或束支传导阻滞（N），室上性早搏（S），室性早搏（V）和心室融合心跳（F）。 训练和测试数据的划分遵守个体间的图示。 实验结果表明，所提出的特征选取方法的的平均分类精度是86.66％，胜过那些无特征选择的方法。对N，S，V和F分类的灵敏度分别是88.94％，79.06％，85.48％和93.81％，相应的阳性预测值分别为98.98％，35.98％，92.75％和13.74％。 在灵敏度和阳性预测值的算术平均值方面，所提出的方法也有比其他的最先进的特征选择方法更好的性能。 1.简介 心电图（ECG）是一个无创，廉价且相当成熟的诊断