基于连续小波变换和高阶统计量的心律失常识别算法

作     者：李刚 高广帅 张珍珍 巴任伟 李春雷 刘洲峰 LI Gang;GAO Guangshuai;ZHANG Zhenzhen;BA Renwei;LI Chunlei;LIU Zhoufeng

作者机构：中原工学院电子信息学院河南郑州450007 郑州人民医院郑东院区门诊部河南郑州450014 

出 版 物：《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期：2024年第41卷第3期

页      面：365-374页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 0835[工学-软件工程] 0836[工学-生物工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62072489) 

主　　题：心律失常识别 连续小波变换 高阶统计量 长短期记忆网络 RR间隔 

摘      要：针对可变持续时间心电图(ECG)数据信号的非平稳性和时序性问题,提出一种基于连续小波变换(CWT)和高阶统计量(HOS)的心律失常识别算法。首先,针对可变持续时间ECG数据中每个样本的数据点数量不同,采用RR间期插值法预处理数据,并通过CWT将信号分解为不同的时频分量,从而使网络能够更好地提取心电信号中的时间和频率特征。其次,针对时序信息利用不充分的问题,提出基于HOS和长短期记忆网络的时序挖掘模块,以捕捉和学习ECG信号中的长期依赖关系,从而有助于识别和理解特定的心律失常类别。通过在公开的ECG数据集MIT-BIN上进行的大量实验,验证所提方法的有效性和优越性。