多视图下的个体自适应心电图分类方法

With the increasing popularity of wearable and wireless Electrocardiogram (ECG) device, the growth of collected ECG data is set to explode. There are broad market requirements for computer-aided ECG classification because it can effectively improve physicians’ service efficiency and hospitals’ service quality. Due to the limitations of standard ECG database, the difference of data distribution and random noise were ignored in traditional ECG classification study. As a result, its accuracy in experimental environment drops dramatically in clinical situation.In order to break through the limitations, the project focuses on the individual characteristics of the sample and investigates individual adaptive algorithm which can transfer from general classification model to specific model according to testing sample’s characteristics. Firstly, multi-view is introduced to overcome the feature expression shortage of single-view based classification method; secondly, a new multi-view collaborative method is proposed and similar cases are got by fast approximate query algorithm; finally, real-time transfer algorithm is constructed based on similar cases. The project breaks data sets constraints in the traditional research. Our work will be applied to daily cardiovascular disease service in basic community medical unit, which has significant practical value.

随着便携式无线心电图设备的日益普及，心电图数据量快速增长，计算机辅助心电图分类可以有效提高医生的服务效率和医院的服务质量，因此有着广阔的市场需求。由于心电图标准数据库的局限，传统的分类研究方法很难考虑到实际应用环境中数据分布差异增加、数据类型不固定、随机干扰增加等问题，在测试与训练数据集分布高度接近的基础上研究分类模型，这样使得实验环境中准确率极高的算法，在实际应用中的准确率急剧下降。为了突破上述困难，本项目重视样本的个体特性，研究能自适应测试样本特性的由通用模型到特定分类模型的个体自适应算法。首先引入多视图，来克服传统单视图分类方法在特征描述上的不足；然后，提出新的多视图协作方式，通过高速近似查询算法获取相似实例；最后基于相似实例完成从通用模型到个性化模型的实时迁移。项目突破了传统研究工作在数据集上的约束，研究成果可服务于基层医疗机构的心血管疾病诊断，具有显著的实用价值。

随着便携式无线心电图设备的日益普及，心电图数据量快速增长，计算机辅助心电图分类可以有效提高医生的服务效率和医院的服务质量，因此有着广阔的市场需求。由于心电图标准数据库的局限，传统的分类研究方法很难考虑到实际应用环境中数据分布差异增加、数据类型不固定、随机干扰增加等问题，在测试与训练数据集分布高度接近的基础上研究分类模型，这样使得实验环境中准确率极高的算法，在实际应用中的准确率急剧下降。为了突破上述困难，本课题从领域数据划分、相似性度量模型、多视图下的分类模型等三个方面入手，在理论研究的基础上，针对实际个体心电图数据特点进行相关的研究工作。具体的进展包括（1）针对领域划分问题，我们从新的视角提出了一种个体内时间序列的分析方法，实验表明其对QRS的变异性和RR间期的平稳性的分析很有效；（2）针对心电图的领域特点，我们提出有效的相似样本的度量及快速在线查询算法；（3）研究了有效的多视图特征的融合方法，临床数据的实验结果表明我们提出的方法在心率不齐、室性早搏、左束支阻滞、右束支阻滞等类型的识别中有较好的效果。（4）构建并发布了心电图数据库，据我们所知，其数据规模位居世界前列。.项目取得的成果超过了项目任务书要求，具体包括（1）发表了SCI/EI检索论文共6篇，其中顶级期刊/会议（CCF-A类）论文2篇，CCF-B类会议论文1篇，国际知名学术会议论文3篇；（2）申请专利1项，获得软件著作权1项；（3）培养研究生5人；（4）建立并完善了具有相当规模的中国心电图数据库，相关的成果已经初步试用于相关企业的远程医疗服务平台。