径向基函数神经网络在心律失常识别中的应用研究.pdf

径向基函数神经网络在心律失常识别中的应用4 张美慧 西南交通大学信息科学与技术学院成都610031 摘要：本文提出了一种基于径向基函数神经网络的心律失常识别方法，其中网络的训练采用了贝叶 斯准则。该方法实现了对心电信号中正常心律和异常m律的识别，并用错误识别率来评价其性能。本 实验利用一组临床·心电数据来对网络进行训练和测试，其训练次数和精度均达到了要求。结果表明， 基于径向基函数的神经网络在m律失常识别中具有87．6％的识别准确率。希望此方法能够在今后的研究 中进一步的发展并在实际中得到较好的应用。 关键词：m律失常神经网络径向基函数贝叶斯规准则 1引 言 心律失常(cardiac (ECG)记录是诊断心律失常的重要依据。因此，心电图的计算机自动分析成为生物工程界的研究热点。 对于心电自动分析系统，主要包括信号的预处理、信号特征提取和心电诊断分类等部分。生物医学工 程者在实践中找到了很多种关于心电图中的心律失常的检测和分类方法，主要包括概率统计、模板匹配方 法、线性预测法、小波变换法、聚类、句法分析等方法【l】【21。但是，由于ECG的形态多变，分析算法缺乏 灵活的应变能力，要开发出满足实际要求的ECG分析系统依然十分困难。 神经网络是近年来迅速发展的一种模拟人脑机理和功能的新型计算机和人工智能技术，而且是比较有 效地进行心律失常分类的一类方法，因为它对具体算法的要求不高，可以自适应调整相应参数。 自从神经网络在ECG分析中得以广泛的应用，神经网络技术以及和其他方法的结合已被用于心律识别。 本文尝试利用径向基函数神经网络【3】【4】并结合贝叶斯准则【5】，来实现对心电信号中正常心律和异常心律的 识别。实验表明，这种径向基神经网络在心律识别中获锝了很好的应用。 2神经网络心律识别与径向基函数 2．1神经网络心律识别基本原理 一般来说，一个正常的ECG信号由一系列的波形组成，这些波形通过兴奋的零电位来区分。在正常情 况下，这些波按照窦房结产生的兴奋脉波的周期，周期性重复。正常的心电波形由P波、QRS波群、T波 等组成，对应心脏活动与电生理的特定阶段。各波形特征捡测包括P波、QRS波群、T波的起始点及振幅 和sT段电位及斜率的检测，如图1所示，然后再根据检测到的特征值计算心率、PR间期、QT间期等临床 有意义的数据。这些数据是后续心电自动分析的基础，为心电图诊断分类提供依据。 神经网络用于心律识别的主要原理是通过大量ECG样本数据的学习，根据某种学习算法，自动调整神 生，主要研究方向心电信号分析、模式识别． 径向基函数神经网络在心律失常识别中的应用 167 _II 经网络的结构参数，获取心电图分类知识。在这种学习稳定后，可用来对不同的心电信号进行自动分类， 神经网络输出层…般表示为一tL,律的类别。 ，“) ￡麓■”沓一幸“‘t一一 r’一’一■一‘…．．≤ ■^层 臆层 靖出层 圈1心电波形图 图2径向基网络函数的结构 2．2径向基函数网络 包括三层：输入层，隐层和输出层。输入层到隐层之间的权值均固定为1，隐层有k个神经元，前点函数为 高斯函数：输出层有1个神经元，节点函数通常是简单线性函数，其结构如图2所示。 神经元数日和调整权重，直至达到要求的误差指标和最大的训练步数为止。根据上述特点，径向基函数神 经网络的主要算法为：对于输入x=(1I，x2…，，x。)，选取高斯函数为径向基传递函数，即 ．哗 I R．(T)2口”。 知的变量(可以自由选取的参数)，它决定该基函数围绕中心点的宽度；m是感知单元的个数，||x．Cjll是向 量x-Ci的范数，它通常表示x和Ci之间的距离。这样，随着lI 输入X∈RIl，只有--+部分中心靠近X的处理单元被激