心电图常见疾病的统计模式识别分类方法的应用研究_王红英

心血管病防治知识2013年第10期

作者简介：王红英，女，1971年年生，曲靖陆良县人，汉族，本科，副主任医师，心血管内科临床。筝综述及其他筝

心电图常见疾病的统计模式识别分类方法的应用研究

王红英

（云南省曲靖市第一人民医院，云南曲靖655000）

【摘要】心电图监测在各种心脏疾病的诊断中具有重要的临床价值，而统计模式识别是准确对心电图监测特征进行判别的重要识别模式，对心脏疾病能否准确诊断有直接性影响。本文先对心电图监测的相关情况进行了概述，进而对统计模式主要分类方法识别在心电图相关疾病诊断中的应用研究情况进行了梳理和分析。

【关键词】心电图；统计模式识别；分类方法；应用；研究

心脏疾病是临床常见的疾病，且近些年随着人们生活方式以及饮食方式的变化，临床发病率出现一定的增加。作为一种危险性较高的疾病，及早予以诊断对改善治疗效果，降低患者的临床死亡率具有积极意义。心电图是当前临床一般采用的监测心脏疾病的方法，操作方便且准确度高，对心脏疾病的及早和准确诊断有重要的作用；因此，加强对心电图所监测的常见心脏疾病的图像以及数据的识别能力，对提高心脏疾病的诊断准确率有重要的价值；统计模式识别在当前临床应用比较成熟，对心电图监测结果的识别度比较高[1]。本文即就统计模式识别主要的分类方法在心电图对常见疾病监测中的应用研究情况进行总结，具体情况如下。

1心电图相关情况

1.1定义及监测指标

心电图是用心电监护仪等心电仪器进行心脏电位监测，并根据监测数据对人体心脏是否发生疾病以及疾病的具体类型进行判断的一种图形记录形式。监测医师一般根据心电图所显示的图形特征，并借助一定的识别模式进行心电图特征提取以及疾病识别等[2]。心电图主要显示的监测指标主要包括：P波、R波、Q波、S波、T波、U波、QRS波、PR段、ST段、PR间期、RR间期、QT间期等。

其中，P波是心电图监测中最早出现的波，是心电图表达的心动周期中出现的第1个波；P波的前后半部分别代表右心房和左心房除极；一般分为单向与双向两种，在心电图中一般显示为钝圆形，其正常值一般为0.2mv。R波出现于P波之后，是第1个正峰值的子波，其在心电图中形状一般表现为高且尖，正常值范围在0.5-1.5mv之间。Q波出现于P波之后，是第1个负峰值的子波，在心电图中的形状一般表现为低且尖，正常范围值一般为0.1mv。S波是继R波后出现的第1个负峰值的子波，其正常值一般为0.2mv。T波出现于ST段后，在心电图中一般表现为长度较长的且形状较缓，主要对心室在复极中导致电位出现的变化情况进行表达，其正常值一般在0.1-0.5mv之间。U波出现于T波之后，在心电图上的形状一般显示为短小状，多见于V2和V3导联中，正常形状应显示为直立状。QRS波是对心室的除极过程进行表达的一个波群，主要包括Q波、R波以及S 波3个波，3个波具有连续性，具体表现为向下方向的Q波，继之出现的高且尖的R波，以及继R 波之后出现的向下方向的S波。PR段是P波后面出现的平线，正常的范围值为0.12s以内。ST段是J点以及T波开始之间的图形，一般图形曲线较缓，是过渡到T波的一段，正常值在0.12-0.16s 之间。PR间期是一种时间度量单位，具体指P波以及PR间期的时间量度，正常值在0.12-0.2s之间。RR间期也是一种时间量度单位，具体指两个QRS波中两R波波峰间的时间长度，其正常值在0.6-1.0s之间。QT间期指QRS波起点与T波终点之间的时间量度，其正常值在0.32-0.44s之间[3]。

1.2心电图的分析处理

对心电图监测结果进行准确的分析是判断心

93

心血管病防治知识2013年第10期

脏疾病类型的基础。心电图的分析步骤主要包括：数据信息获取、信息预处理、有效特征的提取以及波形鉴别几个具体的阶段。（1）数据信息的获取。对心电图监测并显示的比较抽象的数据以及图形等，只有经过具象化的转化，方可对心电图的监测情况作出判断。数据图形的转化需要先用向量或矩阵进行表示，并经专家小组进行确认后，建立和确定心电图相关的数据库，常见的数据库模式主要有AHA标准数据库、CSE标准数据库以及MIT-BIH标准数据库等，不同的数据库均可进行数据获取以及算法的检验和评估，保证心电图显示的相关信号特征的准确提取和处理。（2）心电图的预处理。预处理阶段主要是简化从心电图中获取的数据信息等，以尽量去除对心电图表示的准确信息产生干扰的数据信号，以更好地对心电图显示的波形进行判断，本阶段主要需处理肌电干扰、工频干扰、运动伪迹、基线移动等。（3）特征提取。在预处理基础上，对心电图监测显示的波形特点进行准确定位，并将对心脏疾病结果的判断有效的波形相关参数提取出，并将不同特征的波形与模式识别系统向连接，以通过对提取的有效波形的分析和定位，最终对心脏疾病的相关情况作出较为准确客观的判断。

2统计模式识别

2.1统计模式识别的基本情况

统计模式识别是基于统计决策理论而出现的一种识别心电图特征的系统模式，在当前应用广泛，且应用已比较成熟，可通过建立决策边界，并通过利用决策函数对不同的模式进行不同的类别处理等方式，完成对数据信息的处理和归类。在具体应用中主要有训练与分类两种不同的模型。训练模型主要充分利用决策边界的要求，保证划分范围的规范性，即保证所有纳入模型的内容均与模型要求相符合。另外，分类是在训练的基础上，对纳入模型范围内的数据信息等，按照不同的表达内容以及特征等基本情况，分别进行不同类别的划分的处理模式。

2.2统计模式识别的主要分类方法与应用研究情况

统计模式识别的主要分类方法主要有支持向量机、贝叶斯分类、聚类分析、K临近分析以及线性分类等。本文主要对支持向量机、聚类分析法

以及贝叶斯分类的应用研究情况进行总结分析。（1）支持向量机。是近些年心电图识别中最重要的应用模式之一。Osowski使用希尔伯特函数对同一心电图信号分别收集两组特征集，并分别获取到支持向量机的两个分类器，进而使用加权和投票方式集合分类结果，并通过对不同分类器权值的确定，得出最终的判断结果。Uyar基于支持向量机的相关算法，引入支持向量机RO（关联操作）方法，在进行模式识别时，同时联合K临近分析等方式进行综合分析。另外，Acir等人也对支持向量机在心电图波形分类识别中的应用进行了相关探讨[4]。（2）聚类分析法。是对不同的数据信号通过特征上的差异性进行分类处理的一种识别模式；将特征相似的数据信息纳入同一类别，并同时准确排除特征差异性较大的数据信号。Shahram 即对此模式进行了相关研究，其在研究和应用此种模式时，首先对心电图的正常聚类进行确定，并计算临床监测到的心电图与正常聚类之间的距离阈值，判断心电图结果是否出现异常[5]。（3）贝叶斯分类法。是基于贝叶斯概率基础上建立起的一种分类法，在心电图监测的具体应用中，通过对心电图监测的特征进行提取，并输入到贝叶斯分类处理器中进行判断的方式，以最小错误率为基本处理要求，对心电图监测情况进行分类和判断，国内的张朝明等人即对贝叶斯分类法的应用进行了探析；此种分类模式推理能力强，判断准确率高，但在具体应用中因所需提供的条件相对较多，对于部分临床发生率相对较低的心脏疾病适用性较差。

2.3统计模式识别应用中存在的问题

统计识别模式是通过分类错误率探寻实现最佳分类所依据的判别函数，并进行d维空间中不同类别的划分的一种识别模式，在具体的临床应用中，对专业理论知识的应用率较低，一般仅通过将心电图监测显示的波形特征等输入到识别模式中，即对心电图的监测情况进行判断，尽管得到的判断结果准确性较高，但专业属性不强，存在泛化性应用特点，在今后的应用研究中还需要作进一步的探究。

3小结

心电图监测是各种心脏疾病诊断中主要应用的监测方式，监测结果判断的准确与否直接对疾

94

心血管病防治知识2013年第10期病诊断结果的准确度产生影响。统计识别模式是

当前比较常用的一种心电图监测结果判别方式，主要包括支持向量机、贝叶斯分类以及聚类分析等几种主要分类方法，在主要心脏类疾病的诊断中，通过将心电图监测波形特征等输入到具体的识别模式中，可较为准确地对具体的疾病类型作出诊断，但统计识别模式在心电图监测的应用中专业属性还不强，在今后应用中需进一步与专业理论相结合，以防对监测结果中的判断出现泛化性特征。

参考文献

［1］王丽苹,董军.心电图模式分类方法研究进展与分析[J].中国生物医学工程学报,2010,06:916-925.

［2］张嘉伟.心电图形态特征的之别及其在分类中的作用研究

[D].华东师范大学,2011.

［3］吴萍,黄勇.分类技术在心电图自动诊断模型中的应用比较[J].计算机应用,2003,11:63-65.

［4］朱江超.心电图分类方法的改进与测试[J].华东师范大学学报,2011.2（04）：27-29.

［5］师黎，郭豹，李中健等.基于心电图的身份识别方法[J].计算机工程,2011.6（01）：114-115.

95