Analyse und Interpretation von Herzrhythmusstörungen EKG-Signale

Die verschiedenen Klassifizierungsalgorithmen k nnen verwendet werden, um extrahierte Merkmale aus dem EKG-Signal zu klassifizieren. Eine hohe Klassifikationsleistung h ngt davon ab, wie gut die Merkmalsvektoren im Merkmalsraum getrennt werden k nnen.Die vorgeschlagene Architektur bietet eine EKG-basierte Arrhythmie-Klassifizierung mit robusteren Merkmalen und einem regressionsbasierten Klassifikator. Es schl gt eine effektive automatisierte Klassifizierung von Herzrhythmusst rungen unter Verwendung der MIT-BIH-Arrhythmiedatenbank und des lokalen klinischen Datensatzes vor. Das vorgeschlagene Verfahren hat den Incremental Support Vector Regression Classifier mit 320 Proben verschiedener Arrhythmien trainiert. Die vorgeschlagene Methode wurde getestet und mit den gebr uchlichsten Klassifikatoren wie k nstlichen neuronalen Netzwerken, Support Vector Machine und Minimum Distance Classifier verglichen. Aus der Konfusionsmatrix geht hervor, dass unser vorgeschlagener Algorithmus gut f r das Problem der Erkennung mehrerer Klassen funktioniert. Die vorgeschlagene Architektur verwendet sowohl Zeit- als auch Frequenzbereichsmerkmale f r Klassifizierungszwecke. Aufgrund der Verwendung von Statistiken h herer Ordnung wird unser Klassifizierungsproblem einfacher als herk mmliche morphologische Merkmale. Der vorgeschlagene Algorithmus lieferte selbst bei kleineren Lerndaten eine hohe Leistung.