[发明专利]一种心脏病理识别模型的构建方法

摘要

本发明公开了一种心脏病理识别模型的构建方法。该方法的步骤包括首先从数据库中分别获取心房肥大患者的心电数据健康人的心电数据，然后对小样本情况下的机器学习算法进行实验和论证，选择了基于统计理论的支持向量机应用于心房肥大识别，然后对支持向量机进行改进，包括选择了高斯核函数，并且对支持向量机分类器融合了带有拒绝域的分类器，共同构成心脏病理识别模型。在用于训练数学模型的数据匮乏的情况下，现有的分类器无法达到良好的分类准确率，缺乏实用价值，本发明的构建的分类器能够达到较高的分类准确率，满足实际应用的需求。

主权项

一种心脏病理识别模型的构建方法，其特征在于包括以下步骤：1）从数据库中分别获取心房肥大患者的心电数据和健康人的心电数据，将这些心电数据下载到本地；2）从每个人的心电数据中分别选取五次心跳进行采样，按奈奎斯特定理针对每次心跳选用50个采样点幅值作为该次心跳的特征向量A；3）针对每个人，计算采样点幅值的平均值，然后让心跳的特征向量A中的每个采样点幅值减掉采样点幅值的平均值，形成心跳的特征向量B；4）在每个心跳的特征向量B的开头增加一个标志位，标志位用0表示该心跳的特征向量是正常心跳的特征向量，标志位用1表示该心跳的特征向量是患有心房肥大的心跳的特征向量，50个采样点幅值和标志位形成心跳的特征向量C；5）使用心跳的特征向量C对支持向量机数学模型进行训练得到训练后的支持向量机，支持向量机数学模型选用的核函数为高斯核函数； 6）定义训练后的支持向量机的整个分类空间大小为1，训练后的支持向量机形成超平面，选取超平面周围的空间作为拒绝域，该拒绝域占整个分类空间大小的20%，对拒绝域内的待识别的心跳的特征向量不进行分类；7）拒绝域和训练后的对支持向量机即构成心脏病理识别模型。