摘要：临床上检测异位性心搏,对心血管疾病的早发现、早诊断、早治疗有重大意义。异位性心搏的自动识别能有效减轻人工识别的负担。采用37只小鼠各10 min的心电图(ECG)信号,由3位专家完成异位性心搏的标定及数据库的建立。在此基础上,使用7种机器学习方法,组合脉冲排除滤波器和模板匹配算法的值,对异位性心搏点进行自动识别。实验结果表明,7种机器学习的方法都能得到较好的预测性能(所有曲线下面积(AUC)大于0.899),其中集成学习AdaBoost的预测能力最好(AUC=0.940,准确度、特异性均为0.888)。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社