摘要
心律失常的分类对人类而言是一项极具挑战性的任务，因此实现该过程的自动化具有重要意义。然而，在跨被试（inter-patient）范式下，通过心电图（ECG）信号实现完全自动的心律失常分类仍面临巨大挑战。在跨被试范式中，分类器需在未知受试者的心电信号上进行评估，这一设定更贴近真实临床场景。本文提出一种基于向量心电图（Vectorcardiogram, VCG）的新颖ECG表示方法，称为时序向量心电图（Temporal Vectorcardiogram, TVCG），并结合复杂网络进行特征提取。此外，我们对支持向量机（SVM）分类器进行了微调，并采用粒子群优化（Particle Swarm Optimization, PSO）算法进行特征选择。在MIT-BIH数据库上的跨被试范式实验结果表明，所提出方法的性能与当前最先进水平相当：对于房性早搏（S类）的阳性预测值（+P）达到53%，对于室性早搏（V类）的敏感性（Se）达到87.3%。结果验证了TVCG作为心搏信号的更丰富表征形式，表明其在心脏信号分析与模式识别相关问题中具有潜在应用价值。源代码可从以下网址获取：http://www.decom.ufop.br/csilab/site_media/uploads/code/tvcg_pso.zip