基于HOG局部特征描述符的心脏病多导联心电心跳分类

Mohammad Ali Sheikh Beig Goharrizi , Amir Teimourpour , Manijeh Falah , Kiavash Hushmandi , Mohsen Saberi Isfeedvajani
{"title":"基于HOG局部特征描述符的心脏病多导联心电心跳分类","authors":"Mohammad Ali Sheikh Beig Goharrizi , Amir Teimourpour , Manijeh Falah , Kiavash Hushmandi , Mohsen Saberi Isfeedvajani","doi":"10.1016/j.cmpbup.2023.100093","DOIUrl":null,"url":null,"abstract":"","PeriodicalId":72670,"journal":{"name":"Computer methods and programs in biomedicine update","volume":"3 ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Multi-lead ECG heartbeat classification of heart disease based on HOG local feature descriptor\",\"authors\":\"Mohammad Ali Sheikh Beig Goharrizi , Amir Teimourpour , Manijeh Falah , Kiavash Hushmandi , Mohsen Saberi Isfeedvajani\",\"doi\":\"10.1016/j.cmpbup.2023.100093\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"\",\"PeriodicalId\":72670,\"journal\":{\"name\":\"Computer methods and programs in biomedicine update\",\"volume\":\"3 \",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Computer methods and programs in biomedicine update\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://www.sciencedirect.com/science/article/pii/S2666990023000022\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Computer methods and programs in biomedicine update","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S2666990023000022","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

摘要

心电图数据在各种心血管疾病的诊断中起着重要作用。即使对训练有素的医生来说,多导联心电图信号的分类也可能具有挑战性。在本研究中,我们提出了一种新的多导联心电图分类方法。方法采用健康对照组、束支传导阻滞组、心肌病组、心律失常组和心肌梗死组5种15导联心电图数据,分别来自Baqiyatallah和PTB诊断心电图数据库的5319和6647次心跳。采用一维全变分正则化方法对心电数据进行去噪。一位心脏病专家提取了心跳,并将其保存为jpg格式的图像。采用梯度直方图法提取图像特征。对于分类任务,使用了支持向量机和全连接神经网络。五重交叉验证用于验证模型。结果对于15导联心电图PTB诊断数据库,最好的分类模型是具有三次(准确度:99.9%,范围:99.77%-100%)和二次(准确率:99.88%,范围:99.57%-100%)核函数的SVM模型,对于Baqyatallah数据集,基于HOG描述符,三次(准确度:99.83%,范围:99.72%-100%)和二次(准确率:99.77%,范围:99.52%-99.9%)的SVM是最好的分类模型,全连接神经网络的准确度为99.1%,范围为98.59%-99.62%。期望的sigmodal核所有分类方法的准确率都超过99%。讨论同时使用HOG特征提取方法和适当的分类算法,如SVM或全连接神经网络,可以高精度地对不同心脏病的15导联ECG心跳进行分类,并且可以很容易地添加其他相关患者的信息,以增加方法性能。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Multi-lead ECG heartbeat classification of heart disease based on HOG local feature descriptor
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
5.90
自引率
0.00%
发文量
0
审稿时长
10 weeks
期刊最新文献
Fostering digital health literacy to enhance trust and improve health outcomes Machine learning from real data: A mental health registry case study ResfEANet: ResNet-fused External Attention Network for Tuberculosis Diagnosis using Chest X-ray Images Role-playing recovery in social virtual worlds: Adult use of child avatars as PTSD therapy Comparative evaluation of low-cost 3D scanning devices for ear acquisition
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1