阅读笔记5：面向智慧医疗的生物电信号分类识别算法研究

1.论文信息

• 题目：面向智慧医疗的生物电信号分类识别算法研究
• 作者：李端
• 单位：北京邮电大学电子工程学院电子科学与技术
• 发表时间：20180320

2.笔记

2.1摘要

提出了先进信号处理算法和高效自适应的机器学习算法及训练机制，设计了适合大数据实时辅助诊断的深度残差神经网络等算法，并且用于心电和脑电信号的分类识别。

• 基于自适应频带选择共空间模态（CSP）特征提取及最小二乘双子支持向量机（LS-TWIN-SVM）的运动想象EEG识别方法
• 提出了小波自适应阈值滤波ＥＣＧ信号预处理方法，以及基于香农能量包络、Hilbert变换的QRS复波检测方法
• 提出了基于混合特征提取和ＧＡ有向无环图的LS-TWIN-SVM多类心律不齐识别方法
• 提出了基于深度残差网络的临床心电大数据心律不齐实时分类识别算法

2.2绪论

脑电信号去噪方法分析

心电、脑电信号采集过程中容易引入基线漂移、工频干扰、伪影干扰，常用的去噪方法主要有数字滤波、自适应滤波、统计分析和变换域滤波几大类

运动想象脑电信号特征提取方法

当人们进行运动想象时，脑电信号的波形变化可以反映大脑意念，准确提取EEG信号特征才能自动识别和分析用户意图。通常从时域、频域和空域的角度对信号进行特征提取。

• 时域电压幅度、方差、和偏度等形状特征。时域下只需要对脑电信号做一次性处理，丢失信息比较多。
• 运动想象脑电信号具有多通道和明显的频带节律变化特点，通过频域、时－频变换或空间变换技术来提取ＥＥＧ信号特征取得良好效果。比如傅里叶变换（FFT）、功率谱密度（ PSD）、自回归模型（AR）、时空