本文關鍵詞：心電信號自動分析與識別研究

  更多相關文章： 心電信號 特征波形 差分閾值 支持向量機

【摘要】：研究目的:心腦血管疾病一直是對人類生命和健康構成嚴重威脅的慢性疾病之一。心電圖作為診斷心臟疾病的重要工具,如何提升心電圖診斷的準確度和實時度一直是相關研究領域關注的焦點。在計算機輔助診斷領域許多研究人員著眼于心電信號和心電圖的自動分析和識別工作。研究設計準確高效的自動分析識別算法已經(jīng)成為該領域內的研究熱點。本課題針對目前臨床醫(yī)師的實際需求,對心電信號的分析以及心電圖的正異常分類展開研究。研究方法:本文首先針對心電信號的三大干擾源即工頻干擾、基線漂移和肌電干擾分別提出了去噪方法,利用去噪方法對心電數(shù)據(jù)進行預處理。再利用差分閾值法進行QRS波群的檢測。這一階段還需要利用小波變換法對P波、T波進行特征點的提取。特征參數(shù)提取完畢,最后利用支持向量機進行預測實驗。本文利用MIT BIH心律失常數(shù)據(jù)庫的45條心電記錄進行仿真實驗,并對實驗結果與其他方法進行對比分析。研究結果:仿真實驗顯示,本文所采用的預處理方法能夠對心電數(shù)據(jù)進行有效的去噪并對信號有很高的保真度。差分閾值法能夠有效提取R波、P波、T波以及波形起止點等特征點,利用支持向量機進行的分類實驗結果顯示,正異常心電信號的預測靈敏度為98.88%,特異度為95.02%,總體準確率為98.37%。結論:本文所采用的算法能夠有效提取心電數(shù)據(jù)的波形特征,實現(xiàn)對正異常心電數(shù)據(jù)的準確分類。通過與其他方法對比可知,本文所采用的算法性能具有一定的優(yōu)越性。
【學位授予單位】：山東中醫(yī)藥大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R540.41;TN911.6

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 李戰(zhàn)明;楊守祥;;基于平穩(wěn)小波變換的心電信號P、T波檢測算法[J];蘭州理工大學學報;2014年03期

，

本文編號：1143124