摘要
背景患者间分类框架（inter-patient classification schema）以及医学仪器促进协会（Association for the Advancement of Medical Instrumentation, AAMI）标准，在自动化心搏分类系统的设计与评估中具有重要意义。以往大多数综合考虑上述两个方面的研究方法，通常采用相同的特征提取方式与分类算法对各类心搏进行分类，然而在室性早搏（ventricular ectopic beat, VEB）和房性早搏（supraventricular ectopic beat, SVEB）的识别上，分类性能普遍不理想。方法基于VEB与SVEB在心电图特征上的差异，本文提出一种新型分层心搏分类系统，旨在通过采用不同的特征组合与分类方法，提升对这两类心搏的识别性能。具体而言，首先利用随机投影（random projection）结合支持向量机集成（SVM ensemble）方法检测VEB；随后，通过比较RR间期比值与预设阈值来识别SVEB。分类模型的最优参数在训练集上进行选择，并在独立测试集上验证最终分类性能。同时，评估了不同导联配置对分类结果的影响。结果实验结果表明，该分类系统的性能显著优于现有方法。VEB检测的敏感度达到93.9%，阳性预测值为90.9%；SVEB检测的敏感度为91.1%，阳性预测值为42.2%。此外，该分类流程具有较高的运行效率，处理速度较快。结论本研究基于患者间数据划分策略，提出了一种分层心搏分类系统，用于有效检测VEB与SVEB。相较于现有方法，该系统在分类性能上表现更优，具备良好的临床应用前景，可作为识别未知患者VEB与SVEB的潜在有效工具。