心电图常见疾病的统计模式识别分类方法的应用研究

摘要

随着现代社会的不断进步和发展，人们越来越认识到健康的重要性。心脏病是常见病和多发病，而且具有致命性。许多心脏病患者在到达医院急诊室之前，医生基本不清楚其具体情况，无法进行及时的抢救，所以快速及时的诊断和治疗是十分必要的。
　　 本文首先介绍了心电图自动诊断的相关工作，给出了基于医生经验的29种常见的心电图疾病诊断规则，实验表明，根据医生经验获得的心电图特征有更好的效果。
　　 接着具体介绍了两种统计模式识别分类方法--贝叶斯分类器和支持向量机分类器，并且利用MIT-BIH进行实验，支持向量机分类器的分类效果要优于贝叶斯分类器。随后针对实际的临床十二导联心电图数据，实验了两种支持向量机的分类方法。
　　 最后介绍和分析了分类器组合的方法，串行分类器组合算法的特异度和灵敏度离实际应用还有很大的差距。
　　 目前，我们实验的支持向量机分类方法已经移植到了远程心电诊断中心，将根据反馈不断完善应用效果。