心血管疾病是危害人類健康的主要疾病之一,具有隱蔽性強(qiáng)、發(fā)病率高、致死率高等特點(diǎn)。對(duì)于居民來(lái)說(shuō),準(zhǔn)確的檢測(cè)出心血管疾病的類型,對(duì)于心血管疾病的診斷和治療有很重要的意義。心電圖中包含了豐富的信息,是診斷心血管疾病的有力工具。因此,可以通過(guò)對(duì)心電圖進(jìn)行分類,來(lái)進(jìn)一步確定心血管疾病的類型。本課題主要對(duì)信號(hào)預(yù)處理和自動(dòng)分類識(shí)別技術(shù)進(jìn)行了研究,主要工作如下:(1)心電信號(hào)的預(yù)處理。本文的預(yù)處理包括信號(hào)的噪聲去除和QRS波的檢測(cè)兩部分。針對(duì)心電信號(hào)的主要噪聲,如工頻干擾、基線漂移和肌電干擾,設(shè)計(jì)了小波軟閾值濾波器,對(duì)信號(hào)進(jìn)行了時(shí)頻分析。將噪聲進(jìn)行了有效的去除,得到了干凈有效的信號(hào)。針對(duì)信號(hào)的形態(tài)特征,基于自適應(yīng)雙閾值算法來(lái)對(duì)心電信號(hào)的R波進(jìn)行較為準(zhǔn)確的定位。借助于一高一低雙閾值對(duì)信號(hào)的R波進(jìn)行了準(zhǔn)確的定位。最后以R波為基準(zhǔn)點(diǎn),對(duì)信號(hào)的Q波和S波進(jìn)行了定位,識(shí)別率為99.63%。(2)針對(duì)小樣本心電數(shù)據(jù),提出了基于小波變換的頻域特征分析法,采用了隨機(jī)森林、K-近鄰和C4.5三種傳統(tǒng)機(jī)器學(xué)習(xí)算法在MIT-BIH心律不齊數(shù)據(jù)上進(jìn)行了驗(yàn)證分析。首先結(jié)合離散小波變換對(duì)信號(hào)進(jìn)行了五尺度分解,然后在不同的尺度上提取了頻域特征和香農(nóng)熵特征。接著使用了信息增益法對(duì)信號(hào)的特征降維,得到更為有效的特征。最后將降維后的特征輸入分類模型中,并使用十折交叉驗(yàn)證模型的分類效果。實(shí)驗(yàn)結(jié)果表明,隨機(jī)森林取得了最好的分類效果,靈敏度為98.1%,特異性為99.5%,正確率為98.08%。(3)針對(duì)大樣本心電數(shù)據(jù),搭建了基于卷積神經(jīng)網(wǎng)絡(luò)的分類模型,并使用MIT-BIH心律不齊數(shù)據(jù)進(jìn)行了驗(yàn)證。模型一共10層(一個(gè)輸入層、4個(gè)卷積層、3個(gè)池化層、1個(gè)全連接層和一個(gè)輸出層)。將整個(gè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)分為訓(xùn)練集和測(cè)試集,用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)訓(xùn)練集的數(shù)據(jù)分批訓(xùn)練,不斷優(yōu)化模型,最后用測(cè)試集的數(shù)據(jù)來(lái)進(jìn)行模型的測(cè)試。測(cè)試集得到的靈敏度為99.45%,特異性為99.86%,正確率為99.78%。本算法能夠很好的將信號(hào)分類,對(duì)心血管疾病的分析有一定的意義。
【學(xué)位單位】：濟(jì)南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R540.4;TN911.7
【部分圖文】：

本文算法的流程如圖 1.1 所示。圖 1.1 本文算法流程圖1.2.1 心電信號(hào)預(yù)處理心電信號(hào)作為一種生物電信號(hào)，反映了心臟在體表的活動(dòng)情況。心電信號(hào)為低頻信號(hào)，并且信號(hào)十分微弱，通常為 mV 量級(jí)。所以在采集過(guò)程中，心電信號(hào)很容易受到各種因素的干擾，例如工頻干擾、呼吸干擾、肌電信號(hào)干擾以及其他設(shè)備的干擾等[6]。在對(duì)信號(hào)進(jìn)行分析和處理時(shí)，很關(guān)鍵的一步就是預(yù)處理。預(yù)處理步驟的主要內(nèi)容是對(duì)信號(hào)噪聲的去除。信號(hào)噪聲去除的方法主要是包括了三類：1）基于濾波器噪聲去除；2）基于經(jīng)驗(yàn)?zāi)B(tài)分解法（Empirical Mode Decomposition，EMD）的噪聲去除；3）基于小波變換的噪聲去除�；跒V波器的噪聲去除主要依據(jù)噪聲對(duì)應(yīng)的頻率響應(yīng)來(lái)對(duì)噪聲進(jìn)行去除[7]。主要包括以下幾種：移動(dòng)平均濾波去噪、巴特沃斯低通濾波去噪、中值濾波去噪和 FIR 低通濾波去噪。關(guān)于經(jīng)驗(yàn)?zāi)B(tài)分解法[8]，第一步把原始信號(hào)進(jìn)行變換，把信號(hào)分解成有限個(gè)固有模態(tài)函數(shù)（Intrinsic Mode Function，IMF），隨后重構(gòu)分解后的固有模態(tài)函數(shù)，最后即可得到去噪后的信號(hào)。關(guān)于小波變換去噪方法，首先通過(guò)小波變換多尺度分解心電信號(hào)，并在信號(hào)重構(gòu)時(shí)去除干擾信號(hào)，最后得到干凈可用的信號(hào)[9]。因?yàn)樾〔ㄗ儞Q對(duì)非平穩(wěn)信號(hào)表現(xiàn)出了較好的處理能力

一個(gè)完整的心電波形

記錄100的原始心電信號(hào)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐秀成;;慢性阻塞性肺疾病與心血管疾病相關(guān)性研究進(jìn)展[J];按摩與康復(fù)醫(yī)學(xué);2015年08期

2 陳珍珍;侯國(guó)強(qiáng);任佳君;齊超;費(fèi)運(yùn)微;王珺楠;;基因多態(tài)性與心血管疾病的相關(guān)性[J];國(guó)際老年醫(yī)學(xué)雜志;2019年04期

3 王丹;楊漫溈;胡采紅;方芳;;野外作業(yè)大學(xué)生心血管疾病事件危險(xiǎn)因素的調(diào)查與預(yù)防[J];安全與環(huán)境工程;2019年06期

4 張偉;司冰心;曹艷杰;靳英;;老年常見心血管疾病的臨床治療分析[J];中國(guó)地方病防治雜志;2019年05期

5 王銳玲;路昶;;運(yùn)動(dòng)對(duì)心血管疾病的預(yù)防作用[J];山西體育科技;1998年02期

6 彭文;;不愛運(yùn)動(dòng)可能是基因作祟[J];百科知識(shí);2019年31期

7 姜紅峰;;心血管疾病有哪些危險(xiǎn)因素[J];健康向?qū)?2019年05期

8 張赫;;中藥能治心血管疾病嗎? 專家這樣說(shuō)[J];家庭醫(yī)藥.快樂養(yǎng)生;2019年11期

9 許曉晗;雒芳芳;;冬季預(yù)防心血管疾病的3個(gè)“三”[J];養(yǎng)生大世界;2019年12期

10 邵子涵;;超聲波在心血管疾病診斷上的應(yīng)用[J];保健文匯;2019年10期

相關(guān)博士學(xué)位論文 前10條

1 黃喆;中老年人心血管疾病部分危險(xiǎn)因素的流行病學(xué)研究[D];天津醫(yī)科大學(xué);2017年

2 谷曉穎;中國(guó)成人血脂水平與心血管疾病關(guān)系的前瞻性研究及血脂非靶向代謝組學(xué)分析[D];北京協(xié)和醫(yī)學(xué)院;2018年

3 馬志剛;1239例CKD并發(fā)營(yíng)養(yǎng)不良和心血管疾病的多中心調(diào)查及中藥干預(yù)的實(shí)驗(yàn)研究[D];第一軍醫(yī)大學(xué);2004年

4 柴惠;大蒜及人參提取物對(duì)心血管疾病抑制作用研究及非編碼RNA與心血管疾病關(guān)系初探[D];浙江大學(xué);2008年

5 郝光;睡眠和心血管疾病的關(guān)聯(lián)研究[D];北京協(xié)和醫(yī)學(xué)院;2015年

6 吳紅梅;握力與心血管疾病的關(guān)聯(lián)及其影響因素的分析[D];天津醫(yī)科大學(xué);2017年

7 劉彬;心電信號(hào)特征識(shí)別及其在心血管疾病診斷中的應(yīng)用[D];吉林大學(xué);2014年

8 張蕓;北京地區(qū)社區(qū)人群同型半胱氨酸水平與心血管事件的相關(guān)性研究[D];中國(guó)人民解放軍醫(yī)學(xué)院;2015年

9 高錦雄;晚期糖基化終產(chǎn)物受體基因多態(tài)性與心血管疾病臨床特征和預(yù)后的相關(guān)性研究[D];南方醫(yī)科大學(xué);2012年

10 郭志堅(jiān);晚期糖基化終產(chǎn)物修飾的蛋白質(zhì)對(duì)人血管內(nèi)皮細(xì)胞的病理生物學(xué)作用及其機(jī)制的研究[D];第一軍醫(yī)大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 王雅玲;PCSK9抑制劑在心血管疾病中的研究進(jìn)展[D];重慶醫(yī)科大學(xué);2019年

2 龍騰飛;血漿金屬水平與糖尿病并發(fā)心血管疾病的關(guān)聯(lián)研究[D];華中科技大學(xué);2019年

3 楊文文;基于EMR數(shù)據(jù)分析的心血管疾病風(fēng)險(xiǎn)評(píng)估模型研究[D];青島科技大學(xué);2019年

4 郭海龍;γ-谷氨酰轉(zhuǎn)移酶與心血管疾病相關(guān)性研究[D];重慶醫(yī)科大學(xué);2019年

5 徐錦健;中國(guó)華東地區(qū)青少年血清維生素D營(yíng)養(yǎng)狀況與心血管疾病風(fēng)險(xiǎn)關(guān)系的研究[D];杭州師范大學(xué);2019年

6 龍虹;阻塞性睡眠呼吸暫停低通氣綜合征患者的血同型半胱氨酸水平及其與心血管疾病的關(guān)系[D];南方醫(yī)科大學(xué);2019年

7 張宇微;面向心血管疾病識(shí)別的心電信號(hào)分類研究[D];濟(jì)南大學(xué);2019年

8 田文雪;多模態(tài)信息融合的心血管疾病預(yù)測(cè)方法研究[D];西安建筑科技大學(xué);2017年

9 郭賽迪;基于LSTM的心血管疾病輔助診斷研究[D];鄭州大學(xué);2019年

10 李超;基于物聯(lián)網(wǎng)的心血管疾病智能醫(yī)護(hù)平臺(tái)及服務(wù)模式設(shè)計(jì)[D];大連理工大學(xué);2018年

本文編號(hào)：2858840