• Complex
  • Title
  • Keyword
  • Abstract
  • Scholars
  • Journal
  • ISSN
  • Conference
成果搜索

author:

王新康 (王新康.) [1] | 刘磊 (刘磊.) [2] | 王量弘 (王量弘.) [3] (Scholars:王量弘) | 樊明辉 (樊明辉.) [4] (Scholars:樊明辉)

Indexed by:

CQVIP

Abstract:

基于自适应向量机监测睡眠呼吸暂停综合征(SAS)时可提取出的特征参数较多,筛选这些特征参数中与SAS相关度较大的组合,可以有效降低算法的计算量,具有重要的实践意义。本文基于V2导联心电信号,首先对ECG信号进行去噪和R波提取,得到心率变异性信号(HRV)和心电呼吸导出信号,并从中提取出时域频域特征共22组,利用特征参数与SAS的相关系数对特征参数筛选后进行支持向量机(SVM)分类。对比22组特征参数与筛选后的15组特征参数分类结果,准确率降低不足0.5%,但计算复杂度大大降低,可作为对临床长时间心电图检测的扩展,减少对专业医护人员的依赖,具有良好的经济性和普及性。

Keyword:

支持向量机 相关系数 睡眠呼吸暂停综合征

Community:

  • [ 1 ] 福建省立医院心电诊断科
  • [ 2 ] 福州大学物理与信息工程学院

Reprint 's Address:

Email:

Show more details

Related Keywords:

Source :

中国医药导报

ISSN: 1673-7210

CN: 11-5539/R

Year: 2019

Issue: 12

Volume: 16

Page: 165-168

Cited Count:

WoS CC Cited Count:

SCOPUS Cited Count:

ESI Highly Cited Papers on the List: 0 Unfold All

WanFang Cited Count:

Chinese Cited Count:

30 Days PV: 2

Online/Total:159/10010629
Address:FZU Library(No.2 Xuyuan Road, Fuzhou, Fujian, PRC Post Code:350116) Contact Us:0591-22865326
Copyright:FZU Library Technical Support:Beijing Aegean Software Co., Ltd. 闽ICP备05005463号-1