基于一維卷積特征與手工特征融合的集成超限學習機心跳分類方法

許越凡，肖文棟，曹征濤

1) 北京科技大學自動化學院，北京 100083 2) 北京市工業波譜成像工程技術研究中心，北京 100083 3) 北京科技大學順德研究生院，順德 528399 4) 空軍特色醫學中心，北京 100142

心律失常是由心臟電脈沖的頻率、規律性、起搏位置或者傳導的紊亂引起的[1]. 嚴重的心律失常甚至會威脅人類的生命. 心電圖（Electrocardiogram,ECG）記錄了人體心臟每一個心動周期所產生的電活動變化，是醫生診斷心律失常的重要依據.由于心律失常種類繁多，表現復雜，識別心律失常往往需要有豐富經驗的醫生.而且，常規的心電圖檢查僅僅持續幾分鐘，一些偶然發生的不規則心律失常并不能被檢查出來. 例如心源性猝死這種心血管病，從發病到死亡持續時間短，基于傳統的常規心電圖檢查方式缺乏實時性，往往會耽誤病人最好的治療時間.

動態心電圖監測儀（Holter），是由Norman J.Holter于1949年發明的可穿戴設備，它能夠連續監測病人日常生活中24 h甚至更長時間的心臟電活動，這種長時程的記錄有助于監測偶然發生的心律失常.因此，基于動態心電圖的自動心律失常分類方法對于及時發現和預防心血管疾病有著重要的意義.

影響心電信號自動分類系統性能主要有兩個因素，一是心電信號特征的提取，二是分類器的選擇. 特征提取的質量對心跳分類性能具有至關重要的影響，提取的特征對于不同類別的心律失常應具有更好的離散性，而對同類心律失常具有相似性. 傳統的心律失常分類……