摘要
心脏病是一种常见的多发慢性疾病，这种病的病情隐蔽、发病危险性高，是导致人类死亡的最主要的疾病之一。通常病人无法承担在医院长期监护的高额费用，而且仅仅通过常规心电图的检查难以满足心脏疾病的监护要求。此外，随着人们生活水平的改善以及医疗保健意识的提高，越来越多的健康和亚健康人群开始关心自己心脏的活动状况，要求进行日常的心电监护。因此，发展面向人们日常生活的，能够实时、准确地捕获心脏健康状况的心电监护系统对于实时了解自身健康状况以及及时发现心脏疾病，挽救病人的生命有着非常重要的意义。针对当前心电监护系统研发中的心电信号特征处理、病理识别中存在的问题。本文立足于心电信号后续特征处理、病理识别的研究，设计了一种心电图类型识别方法。具体来说，论文的主要工作如下：
1．基于一个MIH-BIH心律失常数据集，进行数据预处理和数据探索等前期工作。
2．采用决策树算法和逻辑回归算法生成训练模型和测试模型，设计和实现了一个具有较高准确率的心电图类型识别方法。
3．对决策树模型和logistic回归模型的结果进行对比。通过比较可得，决策树模型的误差为7.34%，logistic回归模型的误差为12.51%，因此我们得出结论，在次分类任务中，决策树模型更合适。
关键词：心电信号，心电图类型识别；决策树；逻辑回归
网友评论