基于多特征融合的J波分类模型

J波是心电图上出现的一种异常变异。应用计算机实现J波自动分类对J波疾病的临床诊断有着重要意义。基于时频域和相空间两个分析角度,一方面使用调Q小波变换(Tunable Q Wavelet Transform,TQWT)和高阶累积量挖掘信号时频域的细节特性;另一方面应用递归图(Recurrence plot,RP)评估心脏系统递归点的发生状态。两类特征降维后并行融合于改进的AdaBoost分类器实现正常、良性J波和恶性J波分类。结果显示,设计的J波多分类算法平均准确度约达到79%,可以用于J波良、恶性辅助诊断。