基于差分進(jìn)化優(yōu)化算法和極限學(xué)習(xí)機(jī)的心電逆問題研究.pdf

1、心電逆問題的本質(zhì)就是依據(jù)體表電位對(duì)心肌跨膜電位進(jìn)行無創(chuàng)重構(gòu)，而且重構(gòu)獲得的跨膜電位相對(duì)于體表電位來說電位信息更精確，更能準(zhǔn)確生動(dòng)的體現(xiàn)心臟的電位變化，可以提高心臟疾病檢測的準(zhǔn)確性。心電逆問題研究是根據(jù)體表電位來逆推獲得心肌跨膜電位分布的研究，可以看作是同時(shí)具有多個(gè)輸入值和多個(gè)輸出值的回歸問題，也就是將多個(gè)體表的電位值回歸逆推獲得心臟跨膜電位的多個(gè)輸出值。
　　首先第一組實(shí)驗(yàn)利用心臟表面源模型的方法來構(gòu)造心臟軀干模型，通過心電仿真模

2、型來獲取在體表和心肌跨膜的電位。其次第二組實(shí)驗(yàn)利用ECGSim軟件來獲取心臟預(yù)激綜合癥體表和心臟電位信息。為了能夠使極限學(xué)習(xí)機(jī)可以具有更好的逼近能力和適應(yīng)能力，需要對(duì)其算法中的參數(shù)實(shí)行最優(yōu)化的選擇。本文中，主要利用差分進(jìn)化算法(Differential evolution,DE)來對(duì)極限學(xué)習(xí)機(jī)中的參數(shù)進(jìn)行有效的選取，使極限學(xué)習(xí)機(jī)的回歸模型實(shí)現(xiàn)最優(yōu)化，參數(shù)選擇完成后就可以構(gòu)建有效的回歸模型以及根據(jù)體表電位對(duì)心肌跨膜電位的分布進(jìn)行比較準(zhǔn)確的

3、預(yù)測。在心電逆問題研究中，我們對(duì)心肌跨膜電位重建算法（包括Support Vector Regression,SVR、ELM、ELM-kernel）的預(yù)測結(jié)果進(jìn)行全面的比較分析，最后得出對(duì)模型構(gòu)建最準(zhǔn)確的一種算法。
　　實(shí)驗(yàn)結(jié)果表明，在對(duì)心肌跨膜電位分布進(jìn)行預(yù)測和重建過程中，上述中的四種算法都對(duì)心電逆問題進(jìn)行求解。但是，相對(duì)于SVR算法，ELM和ELM-kernel算法重構(gòu)的效率最高；相比于ELM算法，在心肌跨膜電位分布重建過程中