×
福特尼阿格拉菲奥蒂;迪米特里奥斯·哈齐纳科斯

心脏不规则情况下的ECG生物特征分析。 （英语） Zbl 1178.92036号

信号图像视频处理。 3，第4期，329-343（2009）.
摘要：生物特征为身份验证系统中涉及的关键安全问题提供了直接解决方案。本文报告了用于人类识别的心电图（ECG）信号的系统分析，表明心脏电活动在人群中具有高度个性化。从健康ECG信号的自相关中提取的特征嵌入了相当大的跨临界功率，并使基准检测变得不必要。
本文的中心考虑是评估一个对常见心脏不规则（如室性早搏（PVC）和心房早搏（APC））鲁棒的识别系统。定义了有关ECG信号的功率分布和复杂性的标准，以揭示不可用于识别的异常ECG记录。实验结果表明，识别率为96.2%，基于ECG信号的识别效果很好。

引用于2文件

MSC公司：

92C55 生物医学成像和信号处理
92 C50 医疗应用（通用）
93B30型 系统标识

关键词：

心电图;判别分析;复杂性度量;余弦变换
PDF格式BibTeX公司 XML格式引用
\textit{F.Agrafioti}和\textit{D.Hatzinakos}，《信号图像视频处理》。3，第4号，329--343（2009；Zbl 1178.92036）
全文： 内政部

参考文献：

[1] Jain A.K.、Ross A.和Prabhakar S.：生物识别系统简介。IEEE跨电路系统视频技术14（1），4–20（2004）·doi:10.1109/TCSVT.2003.818349
[2] Biel L.、Pettersson O.、Philipson L.、Wide P.：心电图分析：人类识别的新方法。IEEE跨机构测量50（3），808–812（2001）·doi:10.1109/19.930458
[3] Israel S.A.、Irvine J.M.、Cheng A.、Wiederhold M.D.、Wiederrhold B.K.：心电图识别个体。模式识别38（1），133–142（2005）·doi:10.1016/j.patcog.2004.05.014
[4] Israel，S.A.、Scruggs，W.T.、Worek，W.J.、Irvine，J.M.：融合面部和心电图进行个人识别。摘自：第32届应用图像模式识别研讨会论文集，第226-231页。(2003)
[5] Shen，T.W.，Tompkins，W.J.，Hu，Y.H.：用于身份验证的单导联心电图。收录于：IEEE医学生物工程学会和生物医学工程学会第二届会议记录，第1卷，第62-63页。(2002)
[6] Shen，T.，Tompkins，W.：单导联心电图特征和体重指数（BMI）的生物统计研究。医学与生物学会工程学。第27届国际年会，第1162-1165页。(2005)
[7] Wang，Y.，Plataniotis，K.N.，Hatzinakos，D.：整合分析属性和外观属性，以便从ECG信号中识别人类。摘自：生物统计学研讨会论文集（BSYM），巴尔的摩，2006年9月
[8] Martinez J.、Almeida R.、Olmos S.、Rocha A.、Laguna P.：基于小波的心电图描绘器：标准数据库评估。IEEE Trans Biomed Eng 51（4），570-581（2004）·doi:10.1109/TBME.2003.821031
[9] Green L.、Lux R.、Williams C.H.R.、Hunt S.、Burgess M.：年龄、性别和身体习惯对1100名正常人QRS和ST-T电位图的影响。发行量85，244–253（1985）
[10] Draper H.、Peffer C.、Stallmann F.、Littmann D.、Pipberger H.：510名正常男性的校正正交心电图和心电向量图（弗兰克导联系统）。发行量30853-864（1964）
[11] Pilkington T.，Barr R.，Rogers C.L.：心电图传导界面的影响，第30卷，第637-643页。施普林格，纽约（2006）·Zbl 0164.50901号
[12] Larkin H.，Hunyor S.：正常心电图中的心前电压变化。《心电杂志》13，347–352（1980）·doi:10.1016/S0022-0736（80）80086-0
[13] Kozmann G.、Lux R.、Green L.：正常体表电位图的变异来源。发行量17，1077–1083（1989）
[14] Kozmann G.、Lux R.、Green L.：影响ECG和VCG个体间变异性的几何因素。《心电杂志》33，219–227（2000）
[15] Hoekema R.、Uijen G.、van Oosterom A.：多导联心电图记录个体间变异的几何方面。IEEE Trans Biomed Eng 48，551–559（2001）·数字对象标识代码：10.1109/10.918594
[16] Simon B.P.，Eswaran C.：使用改进的基于决策的神经网络设计的ECG分类器。计算机生物识别研究30，257–272（1997）·doi:10.1006/cbmr.1997.1446
[17] Sornmo L.，Laguna P.：心脏和神经应用中的生物电信号处理。Elsevier，阿姆斯特丹（2005）
[18] MIT-BIH正弦节律数据库。http://www.physicone.org/physicobank/database/nsrdb/
[19] Chen S.，Thakor N.V.，Mower M.M.：通过自相关函数的回归测试检测心室颤动。医学生物工程计算25、241–249（2006）·doi:10.1007/BF02447420
[20] Plataniotis，K.N.，Hatzinakos，D.，Lee，J.K.M.：无基准检测的心电图生物特征识别。摘自：生物统计学研讨会论文集（BSYM），巴尔的摩，2006年9月
[21] Wang，Y.，Agrafioti，F.，Hatzinakos，D.，Plataniotis，K.N.：人体心电图ECG分析用于生物识别。EURASIP J高级信号处理（2008）·Zbl 1184.94141号
[22] MIT-BIH心律失常数据库。http://www.physionet.org/physiobank/database/mitdb/
[23] Lempel A.，Ziv J.：关于有限序列的复杂性。IEEE Trans-Inf理论22（1），75–81（1976）·Zbl 0337.94013号 ·doi:10.1109/TIT.1976.1055501
[24] 张晓山，朱玉山，塔科尔N.V.，王振中：用复杂性测度检测室性心动过速和心室颤动。IEEE Trans Biomed Eng 46（5），548–555（1999）·doi:10.1109/10.759055
[25] Ayesta，U.，Serrano，L.，Romero，I.：重新审视复杂性度量：一种新的心律失常分类算法。参见：IEEE第23届国际年会会议记录，第2卷，第1589–1591页。伊斯坦布尔（2001）
[26] Chen，S.W.：实时检测致命性心律失常的基于复杂性测量的序贯假设测试。EURASIP Journal on Advances in Signal Processing，vol.2007，p.文章ID 20957（2007）·Zbl 1168.68517号
[27] Lu，J.：人脸识别的判别学习，多伦多大学博士论文（2004）
[28] Agrafioti，F.，Hatzinakos，D.：人体识别的ECG源融合。2008年3月，马耳他，第三届通信控制和信号处理国际研讨会·Zbl 1178.92036号
[29] 德国国家计量研究所PTB诊断心电图数据库。http://www.physicnet.org/physicbank/database/ptbdb/
[30] Mucke，D.：电子透视系统。Unimed Verlag（1996）
[31] Wilson，C.、Hicklin，A.、Korves，H.、Ulery，H.，Zoepfl，M.、Bone，M.，Grother，P.、Micheals，R.、Otto，S.、Watson，C.：指纹供应商技术评估2003。NIST机构间报告71232006年6月
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。