心血管疾病是全球死亡率的主要原因,需要在诊断技术方面取得进步。本研究探讨了小波转化在分类心电图(ECG)信号中的应用以识别各种心血管条件。利用MIT-BIH心律失常数据库,我们采用了连续和离散的小波转换将ECG signals分解为频率子频段,从中我们从中提取了八个统计特征。然后使用这些功能来训练和测试各种分类器,包括K-Nearest邻居和支持矢量机等。分类器表现出很高的效力,其中一些在测试数据上的准确性高达96%,这表明基于小波的特征提取显着增强了ECG数据中心血管异常的预测。调查结果主张进一步探索医学诊断中的小波变换,以提高疾病检测的自动化和准确性。未来的工作将着重于优化特征选择和分类器参数,以进一步完善预测性能。
主要关键词
![arxiv:2404.09393v2 [CS.CE] 2024年8月4日PDF文件第1页](/bimg/7/7912ec36c35354e7c8f65c7d29363230036bbb69.webp)
![arxiv:2404.09393v2 [CS.CE] 2024年8月4日PDF文件第2页](/bimg/7/7667fc2774432c833f7a9a6f38828f4083bfaa01.webp)
![arxiv:2404.09393v2 [CS.CE] 2024年8月4日PDF文件第3页](/bimg/e/e1634b2a93a4476e8a818b5817a887220fa89b97.webp)
![arxiv:2404.09393v2 [CS.CE] 2024年8月4日PDF文件第4页](/bimg/4/400ba888b0c94ed511566804d1dc80bdc45a5afe.webp)
![arxiv:2404.09393v2 [CS.CE] 2024年8月4日PDF文件第5页](/bimg/6/695acb28a5dac962696aa8e2a5c2b847f4aa9712.webp)
