【摘要】：心肌缺血/心肌梗塞是一種常見的心血管疾病,嚴(yán)重威脅著人們的生命健康。心電圖(electrocardiogram,ECG)是一種診斷心血管疾病首要選擇。它具有無創(chuàng)、操作簡單、價格低廉等優(yōu)勢。然而,心電圖檢測冠心病/心肌缺血準(zhǔn)確率不高(60%左右)。最近,借助確定學(xué)習(xí)理論對ECG數(shù)據(jù)的準(zhǔn)確動力學(xué)辨識,發(fā)展了一種相比ECG具有更高的準(zhǔn)確率的方法(Cardiodynamicsgram,CDG)�；诜蔷�性動力學(xué)分析方法,本文主要研究了基于CDG的心電特征提取,分類識別與應(yīng)用實(shí)現(xiàn)等問題。首先,運(yùn)用功率譜法和主成分分析法對心電動力學(xué)進(jìn)行非線性特性分析,基本確定心電動力學(xué)中存在混沌特性。其次,選取四個典型的非線性動力學(xué)特征:關(guān)聯(lián)維數(shù)、最大Lyapunov指數(shù)、_0C復(fù)雜度和近似熵,對心電動力學(xué)進(jìn)行定量指標(biāo)提取,并以箱線圖的形式對病態(tài)與非病態(tài)心電動力學(xué)進(jìn)行特征分布分析,初步分析各特征對心肌缺血檢測的有效性。通過上述特征,結(jié)合兩種常見的分類器(SVM、KNN)對心肌缺血進(jìn)行分類識別。結(jié)果表明,以上非線性心電動力學(xué)特征在心肌缺血分類中有較明顯的區(qū)分,所有單特征的準(zhǔn)確率均在70%以上。其中分類效果最好的是C_0復(fù)雜度(準(zhǔn)確率83.79%、敏感性84.21%、特異性81.38%)。再次,把以上四個特征綜合考慮,基于多個特征對心肌缺血進(jìn)行分類識別。結(jié)果顯示,多特征的分類結(jié)果可達(dá)準(zhǔn)確率86.64%、敏感性85.82%、特異性87.45%,與已有的臨床結(jié)果相符。針對于多特征的數(shù)據(jù)可視化表示問題,通過雷達(dá)圖表示法與SVM最優(yōu)分類面相結(jié)合,得到一種多邊形判別圖,為臨床診斷心肌缺血提供直觀且有效的判別信息。最后,基于MATLAB和MySQL數(shù)據(jù)庫開發(fā)了面向心肌缺血的心電工作站,工作站能夠支持心電信號的本地采集、自動分析、數(shù)據(jù)管理等功能,實(shí)現(xiàn)了本文中非線性心電動力學(xué)特征的程序計算,為醫(yī)生診斷心肌缺血提供定量的指標(biāo)參量供臨床診斷參考,同時也為醫(yī)務(wù)人員管理醫(yī)案信息提供便捷。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R540.41;TP18;TP391.41
【圖文】：

圖 2-1 心電圖波形一個心動周期中，首先出現(xiàn)的一個小而圓鈍的波，稱為 P 波極化過程。P 波的起點(diǎn)激動自竇房結(jié)達(dá)到心房，其終點(diǎn)表示常時程為 0.08～0.11 秒，波幅不超過 0.25mV。表示以 P 波為起點(diǎn)到 QRS 波群起點(diǎn)這一段的時間間隔。QRS 波群起點(diǎn)代表心室開始去級。：繼 P 波之后，出現(xiàn)的一個短時程、較高幅度及波形尖銳RS 波群反映左心室和右心室的去極化過程。典型的 QRS 波動組成，分別是第一個向下的波，即 Q 波，第一個向上的 波之后向下的波，即 S 波。S 波群后的一個持續(xù)時間較長、波幅較低的向上的波，稱為程。T 波的方向與 QRS 波群的擊波方向相同。如果出現(xiàn) T為 T 波改變，主要反映心肌缺血。

第二章 預(yù)備知識結(jié)合神經(jīng)網(wǎng)絡(luò)思想，這就形成了 RBF（radial basis function）神經(jīng)網(wǎng)絡(luò)。是一種基于徑向基函數(shù)的三層前饋式結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，如圖 2-2 所示，其入變量傳遞到隱含層的神經(jīng)元中，隱含層神經(jīng)元通過核函數(shù)對輸入數(shù)據(jù)進(jìn)出到輸出層，輸出層再對其進(jìn)行線性加權(quán)，即得到神經(jīng)網(wǎng)絡(luò)的最終輸出�？梢蕴幚硐到y(tǒng)內(nèi)難以解析的規(guī)律性，具有良好的泛化能力，已成功應(yīng)用于近、動態(tài)模式識別、時間序列分析、故障診斷、圖像信息處理等領(lǐng)域。

a) 患病受試者 b)健康受試者圖 3-1 心電動力學(xué)三維顯示圖3.3 心電動力學(xué)的非線性特性分析確定學(xué)習(xí)理論實(shí)現(xiàn)了非線性系統(tǒng)未知動態(tài)的準(zhǔn)確辨識和建模。心電動力學(xué)圖（CDG）就是以確定學(xué)習(xí)為理論基礎(chǔ)對心電信號 ST-T 環(huán)進(jìn)行局部準(zhǔn)確辨識后的三維表現(xiàn)結(jié)果，既包含了狀態(tài)信息，也包含了動力學(xué)信息，是心電信號的動態(tài)信息表達(dá)。判斷心電動力學(xué)是否存在混沌現(xiàn)象是對其進(jìn)行非線性動力學(xué)混沌分析的前提。目前關(guān)于混沌的定義沒有統(tǒng)一的標(biāo)準(zhǔn)，一般認(rèn)為，混沌是指在確定的系統(tǒng)在一定條件下所呈現(xiàn)的不確定的或不可預(yù)測的隨機(jī)現(xiàn)象�；煦绗F(xiàn)象的三個基本特征分別是內(nèi)在隨機(jī)性、初值敏感性和非規(guī)則的有序性。確定一個系統(tǒng)或者時間序列是否存在混沌需要從多方面加以分析，結(jié)合定性分析機(jī)理，一些常用的判別系統(tǒng)或時間序列是否具有混沌特性的方法有：Poincare 截面法、功率譜法、主成分分析法和相圖法等[38]。下面我們選取功率譜法和主成分分析法對

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 王立群;;心電圖的形成原理[J];心電圖雜志(電子版);2013年03期

2 宋晉忠;嚴(yán)洪;許志;李延軍;;基于心電圖的心肌缺血非線性分析[J];北京生物醫(yī)學(xué)工程;2011年02期

3 許亮;王星;孫中偉;彭屹;;心率變異性時頻分析參數(shù)用于心電圖ST段偏移時段的判別[J];中國生物醫(yī)學(xué)工程學(xué)報;2008年01期

4 張紅煊,朱貽盛,王自明,李穎潔;基于復(fù)雜度和復(fù)雜率的心動過速和心室纖顫檢測[J];中國生物醫(yī)學(xué)工程學(xué)報;2001年05期

5 吳彤;非線性動力學(xué)混沌理論方法及其意義[J];清華大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2000年03期

6 葉繼倫,鄭崇勛,王磊,唐世鈞,黃燕;心肌缺血的運(yùn)動心電信號無創(chuàng)檢測方法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2000年01期

7 鄭會永,肖田元,韓向利,戴冠中;心電信號的混沌分形特性分析[J];清華大學(xué)學(xué)報(自然科學(xué)版);1999年09期

相關(guān)博士學(xué)位論文 前4條

1 鄧木清;基于確定學(xué)習(xí)的人體生物信號建模識別及其應(yīng)用研究[D];華南理工大學(xué);2017年

2 曾超;HRV分析在心衰診斷和新生兒疼痛檢測中的應(yīng)用研究[D];中南大學(xué);2014年

3 王義康;高爐冶煉復(fù)雜性分析及支持向量機(jī)擴(kuò)展建模預(yù)測研究[D];浙江大學(xué);2012年

4 吳群;基于心電信號的駕駛疲勞檢測方法研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前3條

1 盧荻;基于心電ST間期時頻分析的心室復(fù)極變異性研究[D];湖北工業(yè)大學(xué);2018年

2 楊安樂;滿足指定性能約束的機(jī)械臂自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制與學(xué)習(xí)研究[D];華南理工大學(xué);2017年

3 孫曉冉;面向人體心電信號的非線性動力特征分類研究[D];哈爾濱工業(yè)大學(xué);2010年

本文編號：2766036