Indexed by：
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：
Reprint 's Address：
Email：
Version：
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：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
