本文關(guān)鍵詞： 心電圖 數(shù)學(xué)形態(tài)學(xué) 稀疏自編碼器 支持向量 室性早搏　出處：《深圳大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：心血管疾病是導(dǎo)致人類(lèi)死亡的頭號(hào)殺手,心電圖(ECG)檢查是目前心血管疾病預(yù)防和診斷的最常用手段之一。為了減小醫(yī)生工作量,提高醫(yī)生診斷的準(zhǔn)確性,逐漸將心電信號(hào)自動(dòng)分析技術(shù)應(yīng)用到臨床心電圖診斷。已有的心電算法仍存諸如抗擾、精確分類(lèi)和智能多導(dǎo)分析等問(wèn)題,限制其臨床的廣泛應(yīng)用。本課題主要圍繞”波形檢測(cè)和特征點(diǎn)定位”、”數(shù)字特征和形態(tài)特征提取”、”心搏分類(lèi)和診斷分析”3個(gè)方面展開(kāi)。波形檢測(cè)和特征點(diǎn)定位的研究:在QRS波群檢測(cè)方面,提出了一種基于數(shù)學(xué)形態(tài)學(xué)的PanTompkin算法,該方法主要優(yōu)點(diǎn)在于抑制了高大T波,基線(xiàn)漂移以及高頻噪聲算法的影響。QRS波群起點(diǎn)和終點(diǎn)的定位,提出一種新的低通差分法(NLPD),算法在融合多通道ECG信號(hào)的基礎(chǔ)之上,通過(guò)一種平滑處理,避免了起點(diǎn)和終點(diǎn)差分峰的定位,提高了算法對(duì)異常QRS波群檢測(cè)的準(zhǔn)確性。P、T波的檢測(cè),本文首次綜合傳統(tǒng)的低通差分法、梯形面積法以及臨床醫(yī)生常用的切線(xiàn)法,減小了P、T融合、u波等情況下的測(cè)量誤差,改善了長(zhǎng)PR間期導(dǎo)致的P波漏檢等。經(jīng)過(guò)MIT-BIH數(shù)據(jù)庫(kù)、CSE數(shù)據(jù)庫(kù)等驗(yàn)證了本文所提出算法的有效性。心電信號(hào)數(shù)字特征和形態(tài)特征提取的研究:本文對(duì)比了常用的參數(shù)分析方法—時(shí)域、頻域、時(shí)頻域、高階統(tǒng)計(jì)量分析方法,提取了QT間期、PR間期等醫(yī)生常用參數(shù)。QRS等波基本形態(tài)分類(lèi),相關(guān)研究較少,本文首次采用了基于深度學(xué)習(xí)的方法—稀疏自編碼器(SAE)對(duì)QRS波群基本形態(tài)進(jìn)行分類(lèi)。波形分類(lèi)和診斷分析的研究:主要提出了一種基于特征和支持向量機(jī)(SVM)的波形分類(lèi)算法。該算法所選參數(shù)是基于本文所提出的等參數(shù),并結(jié)合其他的時(shí)域QRS波群參數(shù)將心搏分為PVC/N兩種類(lèi)型,其他類(lèi)型的心律失常疾病分類(lèi)可以在此基礎(chǔ)上進(jìn)行展開(kāi)。此外,基于深度學(xué)習(xí)的方法進(jìn)行心律失常分析,相關(guān)研究較少,本文研究了基于稀疏自編碼器(SAE)將心搏分為PVC/N兩種。經(jīng)過(guò)MIT-BIH數(shù)據(jù)庫(kù)測(cè)試分析,驗(yàn)證了本文所提出算法的有效性。本課題搭建了心電信號(hào)采集平臺(tái),采集了600例不同年齡、性別、疾病種類(lèi)的臨床12導(dǎo)心電信號(hào),經(jīng)過(guò)醫(yī)生標(biāo)定,初步建立一個(gè)基于中國(guó)人的ECG數(shù)據(jù)庫(kù)(稱(chēng)為SZU數(shù)據(jù)庫(kù)),并對(duì)本文所提出的算法進(jìn)行了驗(yàn)證。該數(shù)據(jù)庫(kù)更加適合于基于中國(guó)人的ECG自動(dòng)分析算法的測(cè)試和開(kāi)發(fā)。
[Abstract]:Cardiovascular disease is the leading killer of human death. Electrocardiogram (ECG) is one of the most commonly used methods to prevent and diagnose cardiovascular disease in order to reduce the workload of doctors. To improve the accuracy of doctor diagnosis, ECG automatic analysis technology has been gradually applied to clinical ECG diagnosis. Existing ECG algorithms still exist such problems as immunity, accurate classification and intelligent multi-conductance analysis. This paper focuses on "Waveform Detection and feature Point location" and "Digital feature and morphological feature extraction". Research on waveform detection and feature point location: in the aspect of QRS wave group detection, a PanTompkin algorithm based on mathematical morphology is proposed. The main advantage of this method is that it can suppress the influence of high T wave, baseline drift and high frequency noise algorithm. A new low pass difference method (NLPDs) is proposed to locate the starting and ending point of QRS wave group. Based on the fusion of multi-channel ECG signals, the algorithm avoids the location of the starting and end differential peaks by a smoothing process, and improves the accuracy of the algorithm in detecting abnormal QRS waves. In this paper, the traditional low-pass difference method, trapezoidal area method and tangent method commonly used by clinicians are used for the first time to reduce the measurement error in the case of PtT fusion. Improved the P-wave leakage caused by the long PR interval, etc. Passed through the MIT-BIH database. CSE database and so on verify the effectiveness of the proposed algorithm. ECG digital features and morphological features extraction research: this paper compared the commonly used parameter analysis methods-time domain, frequency domain, time-frequency domain. The basic morphological classification of QT interval and PR interval was extracted by high-order statistical analysis, and the basic morphological classification of QRS and so on was seldom studied. For the first time, a method based on depth learning, sparse self-encoder (SAE), is used in this paper. Classification of basic morphology of QRS wave groups. Waveform classification and diagnostic analysis: a new method based on feature and support vector machine (SVM) is proposed. The algorithm selects parameters based on the isoparametric proposed in this paper. Combined with other time-domain QRS wave group parameters, cardiac beats can be divided into two types of PVC/N, and other types of arrhythmia disease classification can be carried out on this basis. There are few studies on arrhythmia analysis based on the method of deep learning. In this paper, based on sparse self-encoder (SAE), cardiac beats are divided into two types of PVC/N, which are tested and analyzed by MIT-BIH database. The validity of the proposed algorithm is verified. In this paper, a ECG acquisition platform is set up, and 600 clinical ECG signals of different age, sex and disease type are collected and calibrated by doctors. Establish a Chinese based ECG database (called SZU database). The proposed algorithm is verified and the database is more suitable for the test and development of ECG automatic analysis algorithm based on Chinese.
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TN911.7;R540.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 鐘曉楨;;基于Apriori和IUA的改進(jìn)算法[J];江漢大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

2 ;[J];;年期

相關(guān)會(huì)議論文 前10條

1 俞洋;田亞菲;;一種新的變步長(zhǎng)LMS算法及其仿真[A];通信理論與信號(hào)處理新進(jìn)展——2005年通信理論與信號(hào)處理年會(huì)論文集[C];2005年

2 周顥;劉振華;趙保華;;構(gòu)造型的D~2FA生成算法[A];中國(guó)通信學(xué)會(huì)通信軟件技術(shù)委員會(huì)2009年學(xué)術(shù)會(huì)議論文集[C];2009年

3 賴(lài)桃桃;馮少榮;張東站;;一種基于劃分和密度的快速聚類(lèi)算法[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（一）[C];2008年

4 劉遠(yuǎn)新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺(tái)下物流運(yùn)輸配送系統(tǒng)算法分析[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

5 王樹(shù)西;白碩;姜吉發(fā);;模式合一的“減首去尾”算法[A];第二屆全國(guó)學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2004年

6 王萬(wàn)青;張曉輝;;改進(jìn)的A~*算法的高效實(shí)現(xiàn)[A];2009全國(guó)測(cè)繪科技信息交流會(huì)暨首屆測(cè)繪博客征文頒獎(jiǎng)?wù)撐募痆C];2009年

7 孫煥良;邱菲;劉俊嶺;朱葉麗;;IncSNN——一種基于密度的增量聚類(lèi)算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

8 韓建民;岑婷婷;于娟;;實(shí)現(xiàn)敏感屬性l-多樣性的l-MDAV算法[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

9 張悅;尤楓;趙瑞蓮;;利用蟻群算法實(shí)現(xiàn)基于程序結(jié)構(gòu)的主變?cè)治鯷A];第五屆中國(guó)測(cè)試學(xué)術(shù)會(huì)議論文集[C];2008年

10 王旭東;劉渝;鄧振淼;;正弦波頻率估計(jì)的修正Rife算法及其FPGA實(shí)現(xiàn)[A];全國(guó)第十屆信號(hào)與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)重要報(bào)紙文章 前1條

1 科文;VIXD算法分析Web異常[N];中國(guó)計(jì)算機(jī)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 魏哲學(xué);樣本斷點(diǎn)距離問(wèn)題的算法與復(fù)雜性研究[D];山東大學(xué);2015年

2 劉春明;基于增強(qiáng)學(xué)習(xí)和車(chē)輛動(dòng)力學(xué)的高速公路自主駕駛研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 張敏霞;生物地理學(xué)優(yōu)化算法及其在應(yīng)急交通規(guī)劃中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2015年

4 李紅;流程挖掘算法研究[D];云南大學(xué);2015年

5 盛歆漪;粒子群優(yōu)化算法及其應(yīng)用研究[D];江南大學(xué);2015年

6 黃磊;高動(dòng)態(tài)環(huán)境捷聯(lián)慣導(dǎo)信號(hào)處理及高精度姿態(tài)速度算法研究[D];南京航空航天大學(xué);2015年

7 劉新旺;多核學(xué)習(xí)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學(xué);2006年

9 曾國(guó)強(qiáng);改進(jìn)的極值優(yōu)化算法及其在組合優(yōu)化問(wèn)題中的應(yīng)用研究[D];浙江大學(xué);2011年

10 肖永豪;蜂群算法及在圖像處理中的應(yīng)用研究[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 黃廈;基于改進(jìn)蟻群算法的柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[D];昆明理工大學(xué);2015年

2 李平;基于Hadoop的信息爬取與輿情檢測(cè)算法研究[D];昆明理工大學(xué);2015年

3 趙官寶;基于位表的關(guān)聯(lián)規(guī)則挖掘算法研究[D];昆明理工大學(xué);2015年

4 殷文華;移動(dòng)容遲網(wǎng)絡(luò)中基于社會(huì)感知的多播分發(fā)算法研究[D];內(nèi)蒙古大學(xué);2015年

5 徐翔燕;人工魚(yú)群優(yōu)化算法及其應(yīng)用研究[D];西南交通大學(xué);2015年

6 李德福;基于小世界模型的啟發(fā)式尋路算法研究[D];華中師范大學(xué);2015年

7 鄭海彬;一種面向MAPREDUCE的DATASHUFFLE的優(yōu)化方法[D];蘇州大學(xué);2015年

8 趙曉寒;輪換步長(zhǎng)PSO算法及SMVSC參數(shù)優(yōu)化[D];沈陽(yáng)理工大學(xué);2015年

9 安豐洋;基于無(wú)線(xiàn)網(wǎng)絡(luò)的廣播算法研究[D];曲阜師范大學(xué);2015年

10 李智明;基于改進(jìn)FastICA算法的混合語(yǔ)音盲分離[D];上海交通大學(xué);2015年

，

本文編號(hào)：1474511