基于灰度信息度量的阵发性房颤自动检测方法

张瑞; 王继斌

doi:10.7652/xjtuxb201805022

您当前的位置：

首页 >

文章列表页 >

基于灰度信息度量的阵发性房颤自动检测方法

更新时间：2025-07-09

- 基于灰度信息度量的阵发性房颤自动检测方法
- Automatic Paroxysmal Atrial Fibrillation Detection Method Based on Grey Information Measurement
- 西安交通大学学报 2018年52卷第5期页码：157-161
- 作者机构：
  
  西北大学医学大数据研究中心,西安,710127
- 作者简介：
- 基金信息：
  
  : 2017-10-09。作者简介: 张瑞(1972—)女,教授,博士生导师。基金项目: 国家自然科学基金资助项目(61473223);陕西省产学研协同创新计划资助项目(2017XT-016);陕西省重点研发计划资助项目(2017ZDXM-GY-095)
- DOI：10.7652/xjtuxb201805022
  中图分类号： R318
- 网络首发：2018-05-10，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
张瑞, 王继斌. 基于灰度信息度量的阵发性房颤自动检测方法[J]. 西安交通大学学报, 2018,52(5):157-161.

Automatic Paroxysmal Atrial Fibrillation Detection Method Based on Grey Information Measurement[J]. 2018, 52(5): 157-161.
张瑞, 王继斌. 基于灰度信息度量的阵发性房颤自动检测方法[J]. 西安交通大学学报, 2018,52(5):157-161. DOI： 10.7652/xjtuxb201805022.

Automatic Paroxysmal Atrial Fibrillation Detection Method Based on Grey Information Measurement[J]. 2018, 52(5): 157-161. DOI： 10.7652/xjtuxb201805022.

摘要

针对心房颤动这类常见的心律失常疾病

提出了一种基于灰度信息度量的阵发性房颤自动检测方法。首先

采用离散小波变换将原始心电信号进行分解; 其次

选择恰当的频率子带信号并对其小波系数进行差分运算

得到一阶中心差分散点图以及对应的灰度直方图; 最终

分别计算灰度方差、灰度变异系数及香农熵

作为房颤心电的融合特征。将所提取的融合特征结合超限学习机

完成了阵发性房颤的自动检测。采用MIT-BIH数据库中的数值进行实验

结果表明

所提方法能够快速有效地完成房颤心电的识别

在交叉检验数值实验结果中

准确率、敏感度、特异度分别平均达到94.0%、94.6%、93.7%。

Abstract

This paper proposes an automatic paroxysmal atrial fibrillation(PAF)detection method based on grey information measurement. Firstly

the discrete wavelet transform(DWT)is applied to decompose an electrocardiogram(ECG)signal into sub-band signals. Then

the difference operation is used for wavelet coefficients to obtain the corresponding one-order central difference plot and gray histogram. Next

the variance

coefficient of variation

and Shannon entropy are extracted from the gray histogram to be the fusion features of atrial fibrillation ECG. Finally

PAF detection is completed automatically by integrating the extracted features with extreme learning machine(ELM). Experimental results on MIT-BIH database show that the average sensitivity

specificity and accuracy of the proposed method reach 93.7%

94.6% and 94.0%

respectively.

关键词

Keywords

references

ZHOU Z, HU D. An epidemiological study on the prevalence of atrial fibrillation in the Chinese population of mainland China [J]. Journal of Epidemiology, 2008, 18(5): 209-216.

王志敬. 心房颤动的复律探析 [J]. 中华现代内科学杂志, 2008, 5(5): 419-421.

WANG Zhijing. The cardioversion of atrial fibrillation [J]. Chinese Journal of Internal Medicine, 2008, 5(5): 419-421.

陈灏珠. 心房颤动诊断与治疗的进展和展望 [J]. 中国实用内科杂志, 2006, 26(2): 82-85.

CHEN Haozhu. Diagnosis and treatment of atrial fibrillation progress and prospects [J]. Chinese Journal of Practical Internal Medicine, 2006, 26(2): 8-85.

DASH S, CHON K H, LU S, et al. Automatic real time detection of atrial fibrillation [J]. Annals of Biomedical Engineering, 2009, 37(9): 1701-1709.

PARK J, LEE S, JEON M. Atrial fibrillation detection by heart rate variability in Poincare plot [J]. Biomedical Engineering Online, 2009, 8(1): 38.

ANDRIKOPOULOS G K, DILAVERI-S P E, RICHTRE D J, et al. Increased variance of P wave duration on the electrocardiogram distinguishes patients with idiopathic paroxysmal atrial fibrillation [J]. Pacing Clinical Electrophysiology Pace, 2000, 23(7): 1127-1132.

DU X, RAO N, QIAN M, et al. A novel method for real-time atrial fibrillation detection in electrocardiograms using multiple parameters [J]. Annals of Noninvasive Electrocardiology, 2014, 19(3): 217-225.

白鹏飞, 王利, 易子川, 等. 一种心电图P波提取算法 [J]. 中国医学物理学杂志, 2013, 30(2): 4032-4035.

BAI Pengfei, WANG Li, YI Zichuan, et al. A kind of P wave extraction algorithm of electrocardiogram [J]. Chinese Journal of Medical Physics, 2013, 30(2): 4032-4035.

HUANG G B, ZHU Q Y, SIEW C K. Extreme le-arning machine: theory and applications [J]. Neurocomputing, 2006, 70(1): 489-501.

陈彬强, 张周锁, 郭婷, 等. 双树复小波时频构造在齿轮系装配间隙检测的应用 [J]. 西安交通大学学报, 2013, 47(3): 7-12.

CHEN Binqiang, ZHANG Zhousuo, GUO Ting, et al. Application of double-tree complex wavelet time-frequency structure in the gap detection of gear train assembly [J]. Journal of Xi'an Jiaotong University, 2013, 47(3): 7-12.

冉启文. 小波变换与分数傅里叶变换理论及应用 [M]. 哈尔滨: 哈尔滨工业大学出版社, 2001.

刘新颜, 柳稼航, 延军平. 一种基于直方图变换的光学遥感影像自动增强方法 [J]. 西北大学学报(自然科学版), 2016, 46(3): 448-452.

LIU Xinyan, LLU Jiahang, YAN Junping, et al. A method of optical remote sensing image automatic enhancement based on histogram transformation [J]. Journal of Northwest University(Natural Science Edition), 2016, 46(3): 448-452.

晏春莉, 耿国华, 周明全. 图像数据库中基于颜色的特征提取和度量算法 [J]. 西北大学学报(自然科学版), 2000, 30(3): 189-192.

YAN Chunli, GENG Guohua, ZHOU Mingquan. Color-based feature extraction and metrics algorithm in image database [J]. Journal of Northwest University(Natural Science Edition), 2000, 30(3): 189-192.

张恒博, 欧宗瑛. 一种基于色彩和灰度直方图的图像检索方法 [J]. 计算机工程, 2004, 30(10): 20-22.

ZHANG Hengbo, OU Zongying. An image retrieval method based on histogram and color histogram [J]. Computer Engineering, 2004, 30(10): 20-22.

王文森. 变异系数: 一个衡量离散程度简单而有用的统计指标 [J]. 中国统计, 2007, 2007(6): 41-42.

WANG Wensen. Coefficient of variation: a simple and useful statistical indicator to measure dispersion [J]. Chinese Statistics, 2007, 2007(6): 41-42.

颜若愚, 郑庆华. 使用交叉熵检测和分类网络异常流量 [J]. 西安交通大学学报, 2010, 44(6): 10-15.

YAN Ruoyu, ZHENG Qinghua. Using cross-entropy to detect and classify network abnormal traffic [J]. Journal of Xi'an Jiaotong University, 2010, 44(6): 10-15.

GOLDBERGER A, ARAI L A N. Physio bank, physio toolkit and physio net: components of a new research for complex physiologic signals [J]. Circulation, 2000, 101(23): 215-220.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种高效存储多级二维9/7离散小波变换结构

二维离散小波变换低存储结构设计

隧道内燃料电池汽车氢气泄漏扩散特性及影响因素

超临界二氧化碳向心透平轮背间隙内风阻损失及流动特性研究

不同板叠材料热声热机能量转换过程数值模拟研究