學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Subject: search.filters.subject.心電圖

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    以適應性特徵擷取及改進支持向量機檢測心電圖心律不整
    (2010) 楊岳穎; Yueh-Yiing Yang
    心電圖（ECG）分析是檢測心律不整最好的方法之ㄧ，雖然已經有許多相關的演算法已經被提出，但是可靠性低的訊號特徵提取分析或歸納能力較低的辨識器使得系統的辨識率仍然不能達到要求。本論文提出適應性特徵擷取與改良的支持向量機(SVMs)的心電圖心律不整檢測系統。首先利用小波轉換係數及訊號之振幅或週期等參數作為系統的候選人，針對每一個分類器適應性的擷取出少數特定的特徵；而改良式支持向量機結合k-means分群法與一對一支持向量機，並且修改其投票機制，進一步提高了相似類別之間的辨識率。此心電圖心律不整檢測系統使用了超過100,000筆的MIT-BIH心律不整資料庫樣本進行測試，平均辨識率高達97.96%。
  • No Thumbnail Available
    Item
    以適應特徵選擇與支持向量機實現心電圖辨識系統
    (2005) 尤俊國; Chun-Kuo Yu
    心電圖提供了診斷心臟病病和心血管病症的功能，為了能夠及時的監控病人的生理狀態，有時候必須持續長時間且連續的記錄病患所產生的心電圖資料，採用更多的心電圖資訊來判斷波形的物理變化，藉此可以較正確的評估病患目前生理情況，但是通常所得到的心電圖資料必須由專業的醫護人員來解析判讀。 本研究所提出了一個新的心電圖分析演算法，使用小波轉換分析頻帶來擷取心電圖特徵值，包含了改善特徵選擇和分類系統的設計，所擷取出的特徵向量作為心電圖辨識系統中最重要的特徵。而在心電圖辨識系統中較特別的特徵為QRS複合波組，這是含有極高頻的成份且能量較大的峰值波形。在辨識系統中採用支持向量機作為辨別不同種類心臟疾病的分類器。