许越凡等：基于一维卷积特征与手工特征融合的集成超限学习机心跳分类方法 ·1229. RR interval features Handcrafted features Class N Discrete wavelet features (a.b,) +Class Q Heartbeat classes 1DCNN features Input layer Hidden layer Output layer 图4ELM心跳分类结构 Fig.4 ELM heartbeat classification structure 的心律失常记录，而其余的25份为较少见但临床意 本的40%以及其余的心律失常类样本的50%从各 义重大的心律失常记录”这些记录来自于BH 自的样本中随机选择出来，然后组成了训练样本， 心律失常实验室在1975年至1979年间研究的47名 剩余的样本组成了测试样本 受试者，从波士顿贝斯以色列医院住院病人（约 表1MT-BH数据集的详细描述和划分 60%)和门诊病人（约40%）的混合人群中收集得到. Table I Detailed description and division of the MIT-BIH dataset 在通道一，45条记录来自改进的肢体导联 Heartbeat type Total Number of Number of Ⅱ(Modified limb lead II,MLII),其余3条记录来自 (abbreviation) Annotation number of training testing samples samples samples 改进的胸前导联V5(Modified precordial lead V5), Normal beat (NOR) N 75023 9753 65270 在通道二，40条记录来自导联V1,4条来自导联 Left bundle branch block (LBBB) 8072 3229 4843 V2,1条来自V4,2条来自V5,还有一条来自MLIⅡ Right bundle branch block(RBBB) 7255 2902 4353 本文中，我们使用通道一的数据，因为通道一的数 Atrial premature A 2546 1018 1528 据都来自于导联ML contraction(APC) Premature ventricular 这些记录被带通滤波到0.1~100Hz的频率范 7129 2852 4277 contraction (PVC) 围，然后将带通滤波后的信号数字化到360Hz.所 Paced beat(PACE) 7026 281 421 有的ECG信号使用两个中值滤波器来消除基线漂 Aberrated atrial a 150 premature beat (AP) 移，分别是02s宽度的中值滤波器和0.6s宽度的 Ventricular flutter 472 中值滤波器 wave (VF) Fusion of ventricular MIT-BIH数据库中提供了大概的R峰基准点 and normal beat (VFN) 的位置.我们使用提供的基准点位置，然后对其进 Blocked atrial 行了手工纠正接下来，根据基准点的位置，前 premature beat (BAP) 90个点和后144个点总共234个点组成的片段， Nodal (junctional) 作为一个心跳片段.在数据库中心跳数据的真实 escape beat (NE) Fusion of paced and 标签是由两个心脏病专家手工标注得到，因此我 normal beat(FPN) Ventricular escape 们使用提供的标签作为心跳的真实标签.在我们 6 beat(VE) 分 的实验中，所有48条记录被使用，总共将心跳信 Nodal (junctional) 83 42 premature beat (NP) 41 号分为16类 Atrial escape beat e 16 8 8 表1详细的描述了数据集的情况.我们的实 (AE) Unclassifiable beat (UN) 33 16 17 验中，数据集的划分和文献9]中保持一致.具体 来说，将N类样本的13%，L、R、A、V、P类各类样 Total 16 110117 24096 86021的心律失常记录，而其余的 25 份为较少见但临床意 义重大的心律失常记录[27] . 这些记录来自于 BIH 心律失常实验室在 1975 年至 1979 年间研究的 47 名 受试者 ，从波士顿贝斯以色列医院住院病人（约 60%）和门诊病人（约 40%）的混合人群中收集得到. 在通道一 ， 45 条记录来自改进的肢体导联 II（Modified limb lead II，MLII），其余 3 条记录来自 改进的胸前导联 V5（Modified precordial lead V5） . 在通道二，40 条记录来自导联 V1，4 条来自导联 V2，1 条来自 V4，2 条来自 V5，还有一条来自 MLII. 本文中，我们使用通道一的数据，因为通道一的数 据都来自于导联 MLII. 这些记录被带通滤波到 0.1～100 Hz 的频率范 围，然后将带通滤波后的信号数字化到 360 Hz. 所 有的 ECG 信号使用两个中值滤波器来消除基线漂 移，分别是 0.2 s 宽度的中值滤波器和 0.6 s 宽度的 中值滤波器. MIT−BIH 数据库中提供了大概的 R 峰基准点 的位置. 我们使用提供的基准点位置，然后对其进 行了手工纠正. 接下来，根据基准点的位置，前 90 个点和后 144 个点总共 234 个点组成的片段， 作为一个心跳片段. 在数据库中心跳数据的真实 标签是由两个心脏病专家手工标注得到，因此我 们使用提供的标签作为心跳的真实标签. 在我们 的实验中，所有 48 条记录被使用，总共将心跳信 号分为 16 类. 表 1 详细的描述了数据集的情况. 我们的实 验中，数据集的划分和文献 [9] 中保持一致. 具体 来说，将 N 类样本的 13%，L、R、A、V、P 类各类样 本的 40% 以及其余的心律失常类样本的 50% 从各 自的样本中随机选择出来，然后组成了训练样本， 剩余的样本组成了测试样本. 表 1  MIT−BIH 数据集的详细描述和划分 Table 1   Detailed description and division of the MIT−BIH dataset Heartbeat type (abbreviation) Annotation Total number of samples Number of training samples Number of testing samples Normal beat (NOR) N 75023 9753 65270 Left bundle branch block (LBBB) L 8072 3229 4843 Right bundle branch block (RBBB) R 7255 2902 4353 Atrial premature contraction (APC) A 2546 1018 1528 Premature ventricular contraction (PVC) V 7129 2852 4277 Paced beat (PACE) / 7026 2810 4216 Aberrated atrial premature beat (AP) a 150 75 75 Ventricular flutter wave (VF) ! 472 236 236 Fusion of ventricular and normal beat (VFN) F 802 401 401 Blocked atrial premature beat (BAP) x 193 96 97 Nodal (junctional) escape beat (NE) j 229 114 115 Fusion of paced and normal beat (FPN) f 982 491 491 Ventricular escape beat (VE) E 106 53 53 Nodal (junctional) premature beat (NP) J 83 42 41 Atrial escape beat (AE) e 16 8 8 Unclassifiable beat (UN) Q 33 16 17 Total 16 110117 24096 86021 1 c 1 i L 1 m Class N Input layer Hidden layer Output layer n Handcrafted features 1D CNN features Class Q Heartbeat classes k RR interval features Discrete wavelet features k+1 c+1 βL βi β1 (ai , bi ) 图 4    ELM 心跳分类结构 Fig.4    ELM heartbeat classification structure 许越凡等： 基于一维卷积特征与手工特征融合的集成超限学习机心跳分类方法 · 1229 ·