论文研究 使用自相关和统计方法的有效心律失常检测

计算心电图（ECG）分析是心血管研究领域中最关键的主题之一，尤其是在通过心律不齐症状识别心脏状况异常方面。 现有的许多工作致力于通过心律失常症状来识别异常状况，但是，检出率仍不令人满意。 心律失常包括14种以上各种类型的症状。 因此，大多数现有研究发现很难对整个症状进行分类并保持总体准确性，尤其是在长时间数据中。 在这项研究中，提出了一种克服这一问题的新机制：引入自相关方法与K最近邻（KNN）分类器方法相结合，以准确而可靠地检测出14种类型的心律失常症状，而不论该症状在何处出现。长时间的数据。 此外，提出了基于周期性自相关结果的变异性分析并将其用于分类过程。 选择1分钟和12小时的持续时间数据