基于LightGBM的心电信号分类算法

摘要

心电图(Electrocardiogram, ECG)被广泛应用于窦性心动过速、室性早搏和心房颤动等心律失常诊断中,进而在心脏疾病诊断分析方面展现巨大的临床应用价值。为提升计算机辅助诊断心电图的分类效果,本文提出一种基于LightGBM的心电信号分类算法。该算法从心电图中提取单心拍特征、心律波动性特征以及全波形特征建立混合特征集,并采用LightGBM实现正常心拍、心房颤动、其他心律不齐、噪声四个类别的分类。最终该算法的性能指标在PhysioNet/CinC Challenge数据集上达到0.824,优于CART和CatBoost算法。同时为了加快心电图特征提取的速度,本文根据特征重要性筛选关键特征来减少分类所需的特征数量,在保持分类性能的同时将特征提取时间降为原来的17.8%。