论文部分内容阅读
动态心电图ST段的参数及形态是诊断心肌缺血的主要参照指标。早期对ST段的参数标注和形态分析都是由医生手工完成，加之心电数据的庞大，使得其可靠性较差。神经网络作为模仿人脑工作方式的一种并行式分布处理器，具有较强的自学习、自组织能力和容错性，所以可以利用神经网络来实现这一功能。在本论文中，我们从研究模糊自适应共振理论映射(Fuzzy Adaptive Resonance Theory Map，Fuzzy ARTMAP)神经网络出发，通过对Fuzzy ARTMAP分类器的简化和改进，提出了一种新的分类器用于心电图ST段的分类，即改进的简化Fuzzy ARTMAP(Modified Simplified Fuzzy Adaptive Resonance Theory Map，MSFAM)分类器。论文主要研究成果如下：1、对Fuzzy ARTMAP分类器进行了较为深刻的动态特性分析和机理分析。包括选择参数和警戒参数的选取，并从几何上解释了模糊ART分类器的分类特性。2、对Fuzzy ARTMAP分类器的简化和改进。如果只是将Fuzzy ARTMAP用于处理简单的分类工作，其结构太过复杂。因此在简化Fuzzy ARTMAP的基础上，本文提出了一种新的分类器——MSFAM分类器。改进后的SFAM算法只使用一个隶属函数来计算输入向量和获胜神经元权值的相似度，并且每个类神经元都有自己的警戒参数。3、通过对MSFAM分类器的模拟实验验证，在用小波变换提取出心电图ST段的基础上，将MSFAM、SFAM和Fuzzy ARTMAP三种分类器用于心电图ST段的自动分类。实验结果表明，三种分类器ST段六种形态分类的辨识率较高。