孫麗慧，宋　蔚

(浙江科技學(xué)院 信息與電子工程學(xué)院，杭州 310023)

?

結(jié)合科研的模式識(shí)別教學(xué)改革嘗試——以ECG信號(hào)分類(lèi)為例

孫麗慧，宋蔚

(浙江科技學(xué)院 信息與電子工程學(xué)院，杭州 310023)

摘要:模式識(shí)別是電子信息和相關(guān)專業(yè)的重要專業(yè)課程，但目前該課程內(nèi)容與實(shí)際相結(jié)合的程度還不夠，不利于學(xué)生通過(guò)理論與實(shí)際相結(jié)合來(lái)提高學(xué)習(xí)效果。為此，結(jié)合在心電圖(ECG)信號(hào)處理方面的最新研究進(jìn)展，從課程教學(xué)手段、教學(xué)方法的改進(jìn)及教學(xué)內(nèi)容的完善等方面，對(duì)該課程做了教學(xué)研究、探討和實(shí)踐。以ECG信號(hào)處理為例，進(jìn)行模式識(shí)別中數(shù)據(jù)獲取、預(yù)處理、特征選擇和提取、分類(lèi)決策等環(huán)節(jié)的教學(xué)講解，以調(diào)動(dòng)學(xué)生的學(xué)習(xí)積極性，提高他們的動(dòng)手能力，培養(yǎng)他們跟蹤新知識(shí)的能力。

關(guān)鍵詞:模式識(shí)別；ECG信號(hào)；教學(xué)研究

模式識(shí)別是電子信息類(lèi)學(xué)科的重要專業(yè)課，也是其他相關(guān)專業(yè)的專業(yè)基礎(chǔ)課，是本科四年級(jí)的課程。隨著信息技術(shù)的不斷發(fā)展，模式識(shí)別的方法和理論在信息技術(shù)方面得到了廣泛的應(yīng)用，推動(dòng)了人工智能的發(fā)展[1]。相應(yīng)地，國(guó)內(nèi)許多高校把該課程作為專業(yè)必修課。通過(guò)該課程的學(xué)習(xí)，可以使學(xué)生對(duì)該領(lǐng)域有所了解，為以后從事相關(guān)技術(shù)工作打下一個(gè)堅(jiān)實(shí)的理論基礎(chǔ)。

1模式識(shí)別課程的主要內(nèi)容及特點(diǎn)

主要內(nèi)容有：線性判別函數(shù)、貝葉斯決策理論、概率密度函數(shù)的估計(jì)、近鄰法、特征的選擇與提取和基于K-L展開(kāi)式的特征提取等[2]。它所涉及的理論和方法多且難以理解，在授課時(shí)如果單純進(jìn)行公式推導(dǎo)和講解而不與科研項(xiàng)目結(jié)合，往往事倍功半，達(dá)不到預(yù)期效果，無(wú)法使學(xué)生把理論真正應(yīng)用到實(shí)際中。筆者嘗試把心電圖(electrocardiogram, ECG)信號(hào)的分類(lèi)引入課堂教學(xué)，摒棄枯燥的公式推導(dǎo)，以激發(fā)學(xué)生學(xué)習(xí)的積極性。

ECG記錄了心臟活動(dòng)的規(guī)律，反映了心臟的節(jié)律變化和傳導(dǎo)情況，在臨床上作為診斷心臟疾病和評(píng)價(jià)心臟功能的重要依據(jù)。其中ECG的特征提取和降維，以及QRS波形的檢測(cè)尤其重要，整個(gè)研究過(guò)程就是模式識(shí)別的應(yīng)用。

2科研與模式識(shí)別教學(xué)的融合

心血管疾病尤其是冠心病已成為中國(guó)主要的疾病殺手之一。目前，ECG的異常變化成為醫(yī)生在臨床診斷上重要的診斷依據(jù)。對(duì)ECG進(jìn)行長(zhǎng)時(shí)間的記錄和跟蹤，對(duì)于疾病的早期發(fā)現(xiàn)和及時(shí)治療、術(shù)后康復(fù)等提供了重要依據(jù)[3]2565。心肌梗死演變過(guò)程大致有正常狀態(tài)(HC)、早期心肌梗死(ESMI)、急性期心肌梗死(AMI，數(shù)分鐘或數(shù)小時(shí)致死)[4]3個(gè)階段。

模式識(shí)別系統(tǒng)主要由數(shù)據(jù)獲取、預(yù)處理、特征選擇和提取、分類(lèi)決策4個(gè)部分組成[5]8。筆者采取將科研融進(jìn)這4個(gè)部分的方法進(jìn)行授課,在授課過(guò)程中將程序進(jìn)行分解，在每部分的講解中用Matlab仿真，在Matlab的環(huán)境中結(jié)合課本逐句講解，給學(xué)生更加直觀的認(rèn)識(shí)，使其能學(xué)以致用。

2.1數(shù)據(jù)獲取和預(yù)處理

數(shù)據(jù)取自PTB診斷數(shù)據(jù)庫(kù)，信號(hào)的采樣頻率為1 000 Hz。使用的數(shù)據(jù)庫(kù)包括294個(gè)病例，共549個(gè)記錄，其中每個(gè)記錄共由15個(gè)同步采集的心電導(dǎo)聯(lián)組成(包括12個(gè)標(biāo)準(zhǔn)導(dǎo)聯(lián)和3個(gè)法蘭克導(dǎo)聯(lián))。HC、ESMI、AMI都在這些數(shù)據(jù)中，這些數(shù)據(jù)由兩名專業(yè)醫(yī)生分別操作并交替對(duì)數(shù)據(jù)進(jìn)行確認(rèn)審核。ECG信號(hào)的電源噪音采用1臺(tái)60 Hz陷濾波器消除；為了消除ECG信號(hào)的基線漂移，筆者使用1臺(tái)0．4 Hz陷濾波器；為了消除ECG信號(hào)100 Hz以上的高頻噪音，使用截止頻率為100 Hz的低通濾波器[3]2566,[6]。

2.2特征提取、降維和分類(lèi)

通過(guò)專業(yè)儀器獲得的數(shù)據(jù)量非常大，數(shù)據(jù)量過(guò)多在分類(lèi)時(shí)會(huì)花費(fèi)很長(zhǎng)時(shí)間且分類(lèi)產(chǎn)生的結(jié)果不盡如人意，所以要對(duì)數(shù)據(jù)進(jìn)行挑選，要得到對(duì)分類(lèi)有意義且數(shù)量較少的一組特征碼，這就是特征選擇和降維的主要任務(wù)[5]。參考牛璐璐等[7]將空間結(jié)構(gòu)信息融入線性降維過(guò)程中的理論，筆者采用MAR(多變量回歸模型)系數(shù)作為ECG的特征，一個(gè)ECG樣本可用4×122(12是采用12導(dǎo)聯(lián)，4是參考葛丁飛等[6]的方法進(jìn)行MAR建模)個(gè)MAR系數(shù)表示，也就是說(shuō)12個(gè)導(dǎo)聯(lián)ECG樣本可用4×144=576個(gè)MAR系數(shù)來(lái)表征[3]2567。

分類(lèi)決策就是根據(jù)學(xué)習(xí)得到的分類(lèi)規(guī)則進(jìn)行分類(lèi)判別，把被識(shí)別的模式歸于某個(gè)模式類(lèi)[5]9。分類(lèi)器采用線性判別函數(shù)，雖然線性判別函數(shù)易于分析，但在實(shí)際操作中存在的最大難題就是降維問(wèn)題，也就是將d維空間的樣本投影到一維。筆者通過(guò)使用Fisher線性判別法找到了一條最好、最易于分類(lèi)的投影直線[2]。其判別函數(shù)可表示為：

(1)

式(1)中，β=[β0，β1，…，βd]T為待估計(jì)的參數(shù)。利用訓(xùn)練的數(shù)據(jù)和最小二乘平方誤差準(zhǔn)則對(duì)β進(jìn)行了估計(jì)，其中某一個(gè)ECG樣本的特征值用1,2……d表示，樣本特征的維數(shù)用d表示；y為各樣本在估計(jì)器β下的估計(jì)值。在測(cè)試時(shí)，通過(guò)給定閾值計(jì)算出y，并依據(jù)此值對(duì)測(cè)試的樣本進(jìn)行分類(lèi)決策[3,8]。

2.3分類(lèi)結(jié)果

以早期與急性期心肌梗死為例，選擇700個(gè)樣本，橫坐標(biāo)為樣本數(shù),縱坐標(biāo)為誤判的百分率y。y>0表示急性期樣本錯(cuò)分到早期，y<0表示早期樣本錯(cuò)分到急性期。最終分類(lèi)結(jié)果如圖1所示。部分代碼為：

YFSKLTRAI=(WT*XXyfs');%對(duì)在早期心肌梗死的數(shù)據(jù)進(jìn)行K-L變換

ZQKLTRAI=(WT*XXzq');%對(duì)在急性期心肌梗死的數(shù)據(jù)進(jìn)行K-L變換

M=[ZQKLTRAI;YFSKLTRAI];

X=M(:,1);

x=[ones(size(X)),M];

[n1,p1]=size(ZQKLTRAITCS(:,1));

[n2,p2]=size([ZQCKLTRAITCS(:,1);YFSKLTRAITCS(:,1)]);

figure;%畫(huà)出圖形

plot(Z1(1:n1),'g.');holdon

plot(Z1(n1+1:n2),'*');holdon

3學(xué)生的具體任務(wù)和考察方式

要求學(xué)生自愿組成學(xué)習(xí)小組，所有的代碼事先不全盤(pán)給出，在每次授課前，把任務(wù)細(xì)分，要求學(xué)生查閱資料，使用Matab軟件編寫(xiě)程序，上課時(shí)采取提問(wèn)、學(xué)生講解和討論、教師講授相結(jié)合的方式，對(duì)小組進(jìn)行考核，分?jǐn)?shù)的10%作為期末總成績(jī)，以此激勵(lì)學(xué)生。

4結(jié)語(yǔ)

模式識(shí)別是高等學(xué)校信息類(lèi)專業(yè)的一門(mén)核心專業(yè)理論課程，模式識(shí)別的理論和方法在生物工程、醫(yī)學(xué)、航天航空、人工智能、軍事等領(lǐng)域都得到了廣泛的應(yīng)用和進(jìn)一步發(fā)展。但它對(duì)于學(xué)生來(lái)說(shuō)又是一門(mén)難學(xué)的課程。在教學(xué)過(guò)程中，采用把科研項(xiàng)目引進(jìn)課堂教學(xué)的方式，以提高課堂教學(xué)的質(zhì)量和效率，培養(yǎng)學(xué)生的分析、設(shè)計(jì)和調(diào)試系統(tǒng)的能力，不斷更新教學(xué)內(nèi)容，理論聯(lián)系實(shí)際培養(yǎng)學(xué)生的動(dòng)手能力，從而更好地滿足社會(huì)對(duì)人才的要求。

參考文獻(xiàn):

[1]戚玉濤,劉芳,焦李成.模式識(shí)別教學(xué)實(shí)踐與課程改革[J].計(jì)算機(jī)教育，2010(19):28.

[2]邊肇祺.模式識(shí)別[M].北京:清華大學(xué)出版社,2000.

[3]孫麗慧,葛丁飛.基于參數(shù)模型的VCG信號(hào)計(jì)算機(jī)輔助檢測(cè)研究[J].儀器儀表學(xué)報(bào)，2008,29(12):2565.

[4]戚仁鐸.診斷學(xué)[M].3版.北京:人民衛(wèi)生出版社,1979:171-199.

[5]盛立東.模式識(shí)別導(dǎo)論[M].北京:北京郵電大學(xué)出版社,2010:8-9.

[6]葛丁飛,翁劍楓.基于2D-LDA和高頻心電信號(hào)的心肌梗死特征提取和分類(lèi)[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2013,26(2):126.

[7]牛璐璐,陳松燦,俞璐.線性判別分析中兩種空間信息嵌入方法之比較[J].計(jì)算機(jī)科學(xué)，2014,41(2):49.

[8]FUKUNAGA K.Introduction to statistical pattern recognition[M].2nd ed. San Diego, CA:Academic Press,1990．

Exploration of pattern recognition’s teaching reform based on scientific research-Taking ECG signal classification as an example

SUN Lihui, SONG Wei

(School of Information and Electronic Engineering, Zhejiang University of Science and Technology,Hangzhou 310023, China)

Abstract:Pattern recognition is an important major course for electronic information engineering and the related majors. However, the content of the course is not so tightly combined with the real applications now, which is not good for students to improve the effect by learning the theory in the course in applications. In this paper, the teaching method and the content of the course were studied and practiced according to the new progress in ECG signal processing. The four key parts of pattern recognition, data acquisition, data pre-processing, feature selection and extraction, and classification decision, were taught with the example of electrocardiogram (ECG) signal processing. By promotion of the teaching content, the students’ enthusiasm is stimulated and their operational ability is improved. And their ability to track the new knowledge is trained.

Keywords:pattern recognition; ECG signal; teaching study

中圖分類(lèi)號(hào):G642.42;TP391.4

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1671-8798(2016)01-0078-03

作者簡(jiǎn)介:孫麗慧(1971—)，女，內(nèi)蒙古自治區(qū)赤峰人，副教授，碩士，主要從事信號(hào)處理與信息技術(shù)研究。

基金項(xiàng)目：浙江省教育廳科研計(jì)劃項(xiàng)目(Y200803918)

收稿日期:2015-09-07

doi:10.3969/j.issn.1671-8798.2016.01.014

浙江科技學(xué)院學(xué)報(bào),第28卷第1期,2016年2月

Journal of Zhejiang University of Science and Technology

Vol.28 No.1, Feb. 2016