基于最小二乘法椭圆拟合在心音识别中的应用研究

摘要

cqvip:心音识别是诊断心脏疾病的重要方法之一,其识别精度使医护人员为患者提供更加准确的治疗手段。鉴于此,为提高识别精度,本研究提出了基于支持向量机(SVM)对心音信号特征生成分类边界曲线,考虑到分类边界曲线的形状,建立了基于分类边界曲线的最小二乘法椭圆模型,优化了心脏疾病诊断的复杂性。其算法步骤为:首先根据心音信号的频率特征生成基于支持向量机的分类边界曲线,然后建立基于分类边界曲线的最小二乘法椭圆模型对分类边界曲线进行椭圆拟合。为验证在心音识别应用中椭圆模型的有效性,对在线心音数据库和临床心音的实验分析,即对188例房颤、181例主动脉瓣返流、257例二尖瓣返流、325例正常声音和150例肺动脉瓣狭窄心音进行检测,其分类精度分别为91.7%、98.8%。98.4%、99.8%和98.7%,证明其分类具有较高的精度。