隨著科學技術的提高,人們除了追求物質(zhì)需求外,也越來越關心自身的健康。在諸多疾病中,心臟病嚴重威脅著人類的生命。本文以充血性心力衰竭（CHF,Congestive Heart Failure）為研究對象,其目的是基于短時（500個連續(xù)心跳間隔）RR序列,采用人工智能分類算法構(gòu)建一個可供臨床應用的充血性心力衰竭診斷模型。本研究的主要工作如下:（1）構(gòu)建了充血性心力衰竭和正常RR序列數(shù)據(jù)集。從公共數(shù)據(jù)庫Physionet中下載記錄時長為24小時的116個RR序列,包括72名健康被試和44名充血性心力衰竭患者。去除每個長期RR序列中的異常搏動間隔,并且以500個連續(xù)心跳間隔截取多個短時RR序列片段構(gòu)成兩類數(shù)據(jù)集,即非平衡數(shù)據(jù)集和平衡數(shù)據(jù)集。（2）提取了反映充血性心力衰竭自主神經(jīng)活動的生理特征集合,并選出其中的關鍵特征子集。本研究提取了10個時域特征、8個頻域特征、10個時-頻域特征以及7個非線性復雜度特征,構(gòu)成35維的特征空間。為了提高模型的泛化性能且降低運算時長,本研究采用序列前向選擇算法來降低特征空間的維度。（3）探索了數(shù)據(jù)集平衡度和驗證方式對充血性心力衰竭診斷模型穩(wěn)定性和泛化性的影響。本... 

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本研究的主要內(nèi)容及創(chuàng)新點
    1.4 章節(jié)安排
    1.5 本章小結(jié)
第二章 心電基礎和數(shù)據(jù)預處理
    2.1 心電信號的產(chǎn)生和形態(tài)
        2.1.1 心電信號的產(chǎn)生
        2.1.2 心電信號的形態(tài)
    2.2 從心電信號中提取RR序列
        2.2.1 基于小波理論去基線漂移
        2.2.2 定位R波峰
        2.2.3 計算心跳間隔
    2.3 數(shù)據(jù)來源及預處理
        2.3.1 數(shù)據(jù)來源
        2.3.2 數(shù)據(jù)預處理
    2.4 本章小結(jié)
第三章 HRV信號的特征提取
    3.1 提取線性特征
        3.1.1 簡單時域HRV特征
        3.1.2 基于Lomb-Scargle功率譜的頻域HRV特征
        3.1.3 基于小波理論的時-頻域特征
    3.2 提取非線性特征
        3.2.1 龐加萊圖分析
        3.2.2 去趨勢波動分析
        3.2.3 熵值分析
    3.3 歸一化特征
    3.4 本章小結(jié)
第四章 模型構(gòu)建及結(jié)果分析
    4.1 基于分類器的序列前向選擇算法
    4.2 經(jīng)典分類算法
    4.3 構(gòu)建充血性心力衰竭診斷模型
        4.3.1 基于十折交叉驗證的模型構(gòu)建
        4.3.2 基于交叉被試驗證的模型構(gòu)建
    4.4 結(jié)果分析
        4.4.1 分析模型性能的影響因素
        4.4.2 相關研究對比
        4.4.3 從生理學角度分析心衰患者的各指標異常原因
    4.5 本章小結(jié)
第五章 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀碩士期間已發(fā)表的學術論文
攻讀碩士期間參加的科研項目


【參考文獻】：
期刊論文
[1]《中國心血管病報告2018》概要[J]. 胡盛壽,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風,楊躍進,鄭哲,陳偉偉.  中國循環(huán)雜志. 2019(03)
[2]SVM分類核函數(shù)及參數(shù)選擇比較[J]. 奉國和.  計算機工程與應用. 2011(03)
[3]黃宛臨床心電圖學[J].   中國醫(yī)刊. 2009(11)
[4]慢性心力衰竭診斷治療指南[J].   中華心血管病雜志. 2007(12)
[5]基于RBF核函數(shù)的支持向量機參數(shù)選擇[J]. 林升梁,劉志.  浙江工業(yè)大學學報. 2007(02)
[6]特征選擇算法研究綜述[J]. 毛勇,周曉波,夏錚,尹征,孫優(yōu)賢.  模式識別與人工智能. 2007(02)
[7]特征選擇方法綜述[J]. 王娟,慈林林,姚康澤.  計算機工程與科學. 2005(12)
[8]支持向量機在模式識別中的核函數(shù)特性分析[J]. 李盼池,許少華.  計算機工程與設計. 2005(02)
[9]心力衰竭診斷與治療研究進展[J]. 戴閨柱.  中華心血管病雜志. 2003(09)
[10]12導聯(lián)心電圖P波檢測算法[J]. 楊海威,詹永麒,胡偉國,夏恒超,閆潤強,張永紅.  北京生物醫(yī)學工程. 2002(02)

博士論文
[1]基于生理信號的情感識別方法研究[D]. 溫萬惠.西南大學 2010
[2]動態(tài)心電自動分析中QRS復合波檢測算法研究[D]. 陳永利.浙江大學 2006

碩士論文
[1]基于心率變異性的心衰診斷模型研究[D]. 王巖.山東大學 2018
[2]用小睡緩解疲勞的自主神經(jīng)機制研究[D]. 謝家蘭.西南大學 2018
[3]運動干擾焦慮實時檢測的自主神經(jīng)機制研究[D]. 劉泓.西南大學 2018
[4]壓力累積效應的心跳模式分析與異常檢測[D]. 張杰.西南大學 2018
[5]心電RR間期譜用于社交焦慮情感識別的研究[D]. 黃文金.西南大學 2015
[6]基于小波變換實現(xiàn)心電信號噪聲最優(yōu)處理[D]. 何浩書.湖南大學 2014



本文編號：3692856