一種在線動態(tài)心電信號聚類分析策略.pdf

1、動態(tài)心電圖經過了近40余年的不斷發(fā)展和完善，現(xiàn)在已經成為無創(chuàng)心電輔助診斷技術領域應用非常廣泛的、臨床上最為常用的心電檢查工具之一。其重要的使用價值在于檢測并記錄在通常短暫心電圖檢查中不易發(fā)現(xiàn)的，但在日常生活時發(fā)生的異常心動事件，為進一步的臨床診斷和治療提供依據(jù)。由于動態(tài)心電圖以高分辨率至少記錄了近10萬個心動波形，所以對波形進行在線的實時監(jiān)控、分析十分的困難。如何快速、準確、可靠地對海量波形進行在線分析已成為了研究的重點。
　　

2、 本文在詳細分析動態(tài)心電圖波形特點和檢測特點的基礎上，對高維波形降維和聚類算法改良這兩個問題進行了研究，提出了一種新的在線實時聚類分析策略。傳統(tǒng)的心電分析中，在獲得動態(tài)心電圖波形后，直接對原始的代表單個心動波形的高維特征進行處理。而在動態(tài)心電圖的在線實時分析中，由于數(shù)據(jù)量大、波形特征維數(shù)高，使得在線實時分析無法順利進行。本文對幾種降維方法進行了分析比較，選用Sanger神經網絡，對單個、完整、高維的心電波形數(shù)據(jù)進行降維處理。通過實驗表明

3、，利用此種方法進行聚類分析所得的準確率接近原始數(shù)據(jù)的處理結果，由降維帶來的聚類準確度的損失在醫(yī)學上屬于可接受范圍。如何提高針對動態(tài)心電波形的在線實時聚類準確率是研究關注的焦點。本文提出了使用基于模擬退火思想的改良的聚類算法對心電波形數(shù)據(jù)進行聚類分析。通過實驗，證明了算法獲得了相對于傳統(tǒng)聚類算法更高的聚類準確率，為心電波形的聚類分析提供了一種更為有效的策略。在結合Sanger神經網絡和基于模擬退火思想的改良聚類算法的基礎上，提出了一種可用