北京生物医学工程

高阶神经网络用于心电信号的识别 _

Recognition of ECG Using a High Order Neural Network

作者：刘卫芳; 欧阳楷;

单位：首都医科大学生物医学工程系; 呼和浩特铁路局中心医院内科;

关键词：高阶神经网络; 分类识别; ECG; 平移; 旋转

分类号：

出版年·卷·期（页码）：1997·1·2（107-114）

摘要：

心电图（ＥＣＧ）的自动识别及分类长期以来一直是较难解决的问题，特别是当截取ＥＣＧ信号的起点不同（相当于信号发生平移）及有基线漂移（相当于信号发生旋转）时，在不作预处理情况下要求仍能正确识别及分类，即要求识别过程具有平移不变性和旋转不变性，更是困扰生物医学工程上作者的困难问题之一。作者采用高阶神经网络（二阶），对五类（正常类、高Ｒ波类、高Ｔ波类、Ｔ波倒置类及心律不齐类）具有平移及旋转的ＥＣＧ信号进行分类识别。结果表明，本网络具有较好的分类效果。平移信号不受任何限制，可任意平移，旋转信号最大旋转幅度为原信号的２０％。本工作全部在微机上完成，而且本网还具有灵敏度高，学习时间短等特点，而有较大的临床实用价值。

The classification and recognition of electrocardiogram (ECG) are difficult to solve for a long time, especially when the starting point of selected ECG signal is shifted or the signal is rotated. It. such cases, it requires the recognition process to be translation-invariant and rotation-invariant. The authors introduce a high order (second order) neural network which is used to recognize five types of ECG signals (nomal group. higher QRS wave group, higher T wave group, inversed T wave group and arrhythmi...

参考文献：

服务与反馈：

【文章下载】【加入收藏】

提示：您还未登录，请登录！点此登录