О ЧАСТОТНЫХ ПРИЗНАКАХ ВЕЙВЛЕТ-КОЭФФИЦИЕНТОВ ПРИ КЛАССИФИКАЦИИ СИГНАЛОВ ЭКГ
Южно-Сибирский научный вестник · 12.05.2026 · (2(66)) · 64-70
DOI: 10.25699/sssb.2026.66.2.006 ↗Kurz gefasst
Fachartikel in der Zeitschrift Южно-Сибирский научный вестник, online erschienen am 12.05.2026. Verfasst von П.Н. Подкур. Die Arbeit nennt 16 Literaturangaben.
Abstract (Originalsprache)
В данной работе рассматривается задача классификации записей ЭКГ трех групп пациентов используя многоклассовый метод опорных векторов (SVM) с квадратичным ядром. В задачах классификации наиболее важным является выбор информативных признаков, эффективных с точки зрения разделимости классов сигналов ЭКГ. Для получения таких признаков мы используем пакетное вейвлет-разложение сигнала ЭКГ без децимации и набор различных характеристик, полученных из коэффициентов разложения. В работе предлагается использовать частотные характеристики коэффициентов пакетного вейвлет-разложения, а также ряд других известных признаков, таких как коэффициенты модели авторегрессии, значения энтропии Шеннона коэффициентовдискретного пакетного вейвлет-преобразования с максимальным перекрытием (MODPWT), мультифрактальные оценки и оценки вейвлет-дисперсии сигнала ЭКГ. В работе использованы одноканальные записи ЭКГ с частотой дискретизации 128 Гц., полученные от трёх групп пациентов: лиц с сердечной аритмией, лиц с застойной сердечной недостаточностью и лиц с нормальным синусовым ритмом, взятых из трёх открытых баз данных интернет-ресурса PhysioNet. Цель работы состоит в том, чтобы показать, что наиболее информативными признаками являются частотные характеристики коэффициентов пакетного вейвлет-преобразования с максимальным перекрытием (MODPWT). В работе показано, что эти признаки взятые отдельно обеспечивают достаточно уверенное разделение классов с точностью 95.92%, а взятые вместе с указанными выше рядом других известных признаков обеспечивают точность разделения классов до 97.96%. Таким образом, предложенные нами частотные характеристики сигналов ЭКГ имеют существенное значение в задачах диагностики и классификации ЭКГ. This paper considers the problem of classifying ECG recordings from three patient groups using a multi-class support vector machine (SVM) with a quadratic kernel. In classification problems, the selection of informative features that effectively separate ECG signal classes is crucial. To obtain such features, we use packet wavelet decomposition of the ECG signal without decimation and a set of various characteristics derived from the decomposition coefficients. The paper proposes using the frequency characteristics of the packet wavelet decomposition coefficients, as well as a number of other well-known features, such as autoregressive model coefficients, Shannon entropy values of the discrete maximum-overlap packet wavelet transform (MODPWT) coefficients, multifractal estimates, and wavelet variance estimates of the ECG signal. This study utilized single-channel ECG recordings with a sampling frequency of 128 Hz obtained from three groups of patients: individuals with cardiac arrhythmia, individuals with congestive heart failure, and individuals with normal sinus rhythm, taken from three open databases of the PhysioNet internet resource. The aim of the study is to demonstrate that the most informative features are the frequency characteristics of the maximum overlap packet wavelet transform (MODPWT) coefficients. The study demonstrates that these features taken individually provide a fairly reliable separation of classes with an accuracy of 95.92%, while taken together with the aforementioned number of other well-known features, they provide a class separation accuracy of up to 97.96%. Thus, the frequency characteristics of ECG signals proposed by us are of significant importance for ECG diagnostics and classification.
Zitieren
APA
Подкур, П. (2026). О ЧАСТОТНЫХ ПРИЗНАКАХ ВЕЙВЛЕТ-КОЭФФИЦИЕНТОВ ПРИ КЛАССИФИКАЦИИ СИГНАЛОВ ЭКГ. Южно-Сибирский научный вестник, 64-70. https://doi.org/10.25699/sssb.2026.66.2.006
Vancouver
Подкур П. О ЧАСТОТНЫХ ПРИЗНАКАХ ВЕЙВЛЕТ-КОЭФФИЦИЕНТОВ ПРИ КЛАССИФИКАЦИИ СИГНАЛОВ ЭКГ. Южно-Сибирский научный вестник. 2026:64-70. doi:10.25699/sssb.2026.66.2.006
BibTeX
@article{2026,
author = {Подкур, П.Н.},
title = {О ЧАСТОТНЫХ ПРИЗНАКАХ ВЕЙВЛЕТ-КОЭФФИЦИЕНТОВ ПРИ КЛАССИФИКАЦИИ СИГНАЛОВ ЭКГ},
journal = {Южно-Сибирский научный вестник},
year = {2026},
number = {2(66)},
pages = {64--70},
doi = {10.25699/sssb.2026.66.2.006}
}
EUVIMED