基于积分均值模式分解和固有模态函数样本熵的阵发性房颤识别

针对阵发性房颤(PAF)发作持续时间较短难以捕捉，且现有识别算法抗噪性能较差易导致误检、漏检等问题，本研究提出一种基于积分均FG-4592体内实验剂量值模式分解(IMMD)和固有模态函数样本熵(IMFSE)的PAF识别方法。首先，对时长为20Biological early warning system min的心率变异性(HRV)信号片段进行IMMD分解得到一系列固有模态函数(IMF)分量，并计算IMFSE;然后，通过对IMFSE结果进行统计分析选取PAF识别的特征量；最后，利用购买AG-221支持向量机与交叉验证完成PAF识别。从PAF Prediction Challenge Database (AFPDB)数据库提供的正常受试者、PAF发作与远离PAF发作受试者心电信号中，分别获取25段时长为20 min的HRV信号片段，构成正常组、PAF发作组与PAF未发作组。通过对这75段HRV信号片段的实验发现：利用本方法进行PAF识别，识别准确率、敏感性、特异性分别可达到94%、96%、92%。所提出的PAF识别算法为进一步地快速准确自动检测PAF提供了参考，在可穿戴设备的长期自动检测识别PAF方面具有较大的应用前景。