在生活節(jié)奏日益加快的今天,心血管疾病一直是一個(gè)影響人們健康的重要因素。心血管疾病的死亡率多年來(lái)均超過(guò)癌癥,居所有疾病之首。尤其是在中國(guó),隨著人口老齡化的加深和生活條件的變好,心臟疾病的發(fā)病率一直呈現(xiàn)上升趨勢(shì)。心電圖是診斷心血管疾病的有力工具,它記錄了心臟在跳動(dòng)過(guò)程中電信號(hào)的變化,是心臟電生理活動(dòng)在人體體表的綜合表現(xiàn)。心電圖包含了豐富的心臟功能和病理信息,能夠直觀準(zhǔn)確地反映心臟的電活動(dòng)特性和表現(xiàn)心臟的工作狀態(tài)。但僅僅通過(guò)人工分析心電信號(hào)來(lái)診斷心臟疾病,不僅加大了醫(yī)生的負(fù)擔(dān),對(duì)患者來(lái)說(shuō)也并不方便。因此,心臟疾病的自動(dòng)判別算法成為當(dāng)前心電信號(hào)處理研究領(lǐng)域的一個(gè)熱點(diǎn)。本文結(jié)合多尺度熵理論,深入研究心臟疾病的自動(dòng)判別方法,將經(jīng)驗(yàn)?zāi)B(tài)分解用于信號(hào)分析,支持向量機(jī)用于特征區(qū)分。以求高效率、高精度地區(qū)分出正常心電信號(hào)和患病心電信號(hào)。論文研究?jī)?nèi)容集中在以下兩個(gè)方面。1針對(duì)心臟疾病種類繁多,病因復(fù)雜的問(wèn)題,將研究范圍限定在心房顫動(dòng)、室性心律失常和充血性心衰這三種和心率變異性密切相關(guān)的心臟疾病上。使用非線性的心率變異性分析方法,尋找這三種心臟疾病的心電信號(hào)和健康人心電信號(hào)的區(qū)別。最后通過(guò)實(shí)驗(yàn)發(fā)現(xiàn),這三種疾病... 

【文章來(lái)源】：湖北工業(yè)大學(xué)湖北省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

房顫患者的心電信號(hào)室性心律失常是指起源于心室的一系列心律紊亂疾病統(tǒng)稱，它包括室性早搏

?蕕氖褂霉嬖蠔痛媧⒃?懟６?以詮僂?匣固峁┰諳叩牟ㄐ蝸允競(jìng)馱??數(shù)據(jù)展示，供使用者核對(duì)自己對(duì)數(shù)據(jù)文件的使用是否正確。綜上，MIT-BIH心電數(shù)據(jù)庫(kù)是一個(gè)開(kāi)源且可靠的大型心電數(shù)據(jù)庫(kù)，它的專業(yè)性、便捷的獲取途徑和清晰的使用方法使得它在心電數(shù)據(jù)研究者中大受歡迎。選擇它不僅可以滿足本文對(duì)心房顫動(dòng)、充血性心衰和室性心律失常這三種心臟疾病心電數(shù)據(jù)的全部需求，也可以保證實(shí)驗(yàn)結(jié)果的嚴(yán)謹(jǐn)可靠。更重要的是，由于它的使用者十分眾多，可以找到很多使用相同數(shù)據(jù)其它心臟疾病判別算法，從而保證對(duì)比結(jié)果的正確和嚴(yán)謹(jǐn)。圖3.2MIT-BIH心電數(shù)據(jù)格式本文選擇MIT-BIHAtrialFibrillationDatabase（afdb）作為房顫心電數(shù)據(jù)來(lái)源，該數(shù)據(jù)庫(kù)共含有25個(gè)數(shù)據(jù)文件，每個(gè)數(shù)據(jù)文件記錄的持續(xù)時(shí)間均為10小時(shí)，并包含兩個(gè)ECG信號(hào)，每個(gè)信號(hào)以每秒250個(gè)樣本的速度進(jìn)行采樣，分辨率為12位，精度為±10毫伏。本文隨機(jī)選取其中的17個(gè)數(shù)據(jù)文件，并隨機(jī)截取每個(gè)數(shù)據(jù)文件的每個(gè)ECG信號(hào)的1200000點(diǎn)(80分鐘)作為實(shí)驗(yàn)使用的房顫數(shù)據(jù)來(lái)源，最后得到了34段數(shù)據(jù)。選擇BIDMCCongestiveHeartFailureDatabase（chfdb）作為心衰心電數(shù)據(jù)來(lái)源，該數(shù)據(jù)庫(kù)有15個(gè)數(shù)據(jù)文件，來(lái)源于15位患有嚴(yán)重心力衰竭患者（11位男性，年齡22至71歲，4位女性，年齡54至63歲）。每個(gè)數(shù)據(jù)文件記錄的持續(xù)時(shí)間約為20小時(shí)，并且包含兩個(gè)ECG信號(hào)，每個(gè)信號(hào)以每秒250個(gè)樣本的速度進(jìn)行采樣，分辨率為12位，精度為±10毫伏。本文隨機(jī)截取每個(gè)數(shù)據(jù)文件每個(gè)ECG信號(hào)的1200000點(diǎn)(80分鐘)數(shù)據(jù)作為實(shí)驗(yàn)使用心衰數(shù)據(jù)來(lái)源，最后得到了30段數(shù)據(jù)。選擇SpontaneousVentricularTachyarrhythmiaDatabase（svtdb）作為室性心律失常心電數(shù)據(jù)來(lái)源，該數(shù)據(jù)庫(kù)包含135對(duì)RR間隔時(shí)間序列，來(lái)自于78位受試者。由于該數(shù)據(jù)庫(kù)直接存儲(chǔ)?

湖北工業(yè)大學(xué)碩士學(xué)位論文20圖3.4微分、平方、移動(dòng)窗口積分后的心電信號(hào)最后通過(guò)動(dòng)態(tài)閾值標(biāo)記，即使用兩套閾值，采用對(duì)半檢測(cè)，SPKI表示QRS復(fù)波的波峰幅值，NPKI表示非QRS波的波峰幅值，THRESHOLDI1是應(yīng)用的第一組閾值，THRESHOLDI2是應(yīng)用的第二組閾值。在進(jìn)行R波標(biāo)記時(shí)，首先使用較高的那組閾值，如果在一段時(shí)間內(nèi)沒(méi)有檢測(cè)到R波波峰，就回溯到時(shí)間間隔開(kāi)頭，再使用較低的那組閾值。SPKI，NPKI，THRESHOLDI1和THRESHOLDI2在最開(kāi)始有一個(gè)運(yùn)行估計(jì)值，如果所檢出的峰值大于THRESHOLDI1，該峰值被標(biāo)記為信號(hào)峰值SPKI，否則該峰值被標(biāo)記為噪聲信號(hào)NPKI，閾值大小由下式更新：SPKI=0.125*PEAKI+0.875*SPKI（如果PEAKI是信號(hào)峰值）(3.5)NPKI=0.125*PEAKI+0.875*NPKI（如果PEAKI是噪聲峰值）(3.6)THRESHOLDI1=NPKI+0.25(SPKI-NPKI)(3.7)THRESHOLDI2=0.5THRESHOLDI1(3.8)通過(guò)閾值標(biāo)記后的峰值即為R波波峰。從MIT-BIH的房顫數(shù)據(jù)庫(kù)中任意選擇一條數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)預(yù)處理后的情況如下，圖中的圓圈表示被識(shí)別為R波的波峰。圖3.5預(yù)處理前后心電信號(hào)對(duì)比R波波形特征明顯，一般是心電圖每個(gè)心拍中的最高峰。通過(guò)圖3.5可以發(fā)現(xiàn)經(jīng)過(guò)預(yù)處理后的心電信號(hào)不僅更為平穩(wěn)，而且每個(gè)心拍中的R波都被圓圈標(biāo)記。這證

【參考文獻(xiàn)】：
期刊論文
[1]基于模糊熵和集成學(xué)習(xí)的電動(dòng)汽車(chē)充電需求預(yù)測(cè)[J]. 王毅,谷億,丁壯,李松濃,萬(wàn)毅,胡曉銳.  電力系統(tǒng)自動(dòng)化. 2020(03)
[2]心房顫動(dòng):目前的認(rèn)識(shí)和治療的建議-2018[J]. 黃從新,張澍,黃德嘉,華偉.  中國(guó)心臟起搏與心電生理雜志. 2018(04)
[3]《中國(guó)心血管病報(bào)告2017》要點(diǎn)解讀[J]. 馬麗媛,吳亞哲,王文,陳偉偉.  中國(guó)心血管雜志. 2018(01)
[4]人工神經(jīng)網(wǎng)絡(luò)在HRV分析中的應(yīng)用研究[J]. 尚宇,張?zhí)?  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(09)
[5]室性心律失常中國(guó)專家共識(shí)[J]. 曹克將,陳明龍,江洪,姚焰,王祖祿,吳書(shū)林,楊新春,薛玉梅,李學(xué)斌,洪葵.  中國(guó)心臟起搏與心電生理雜志. 2016(04)
[6]《中國(guó)心力衰竭診斷和治療指南2014》解讀[J]. 王喆.  中國(guó)臨床醫(yī)生雜志. 2016(05)
[7]老年心血管病急癥的構(gòu)成特點(diǎn)分析[J]. 張新宇.  當(dāng)代醫(yī)學(xué). 2015(18)
[8]基于EMD方法的心電信號(hào)帶內(nèi)噪聲濾除[J]. 劉萌萌,王敏,熊慧,董錕,韓帥.  天津工業(yè)大學(xué)學(xué)報(bào). 2014(04)
[9]心電學(xué)之父:Einthoven[J]. 郭繼鴻.  中華心臟與心律電子雜志. 2014(03)
[10]心率變異性研究進(jìn)展[J]. 洪必瑩,何森,陳曉平.  華西醫(yī)學(xué). 2013(04)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的心電信號(hào)檢測(cè)和分類研究[D]. 項(xiàng)延德.浙江大學(xué) 2018
[2]可穿戴式系統(tǒng)心電信號(hào)壓縮感知與心律失常分類研究[D]. 華晶.南昌大學(xué) 2018
[3]心電信號(hào)波形檢測(cè)與心律失常分類研究[D]. 王利琴.河北工業(yè)大學(xué) 2015
[4]地震信號(hào)時(shí)頻分析及其在儲(chǔ)層含氣性檢測(cè)中的應(yīng)用研究[D]. 薛雅娟.成都理工大學(xué) 2014
[5]HRV分析在心衰診斷和新生兒疼痛檢測(cè)中的應(yīng)用研究[D]. 曾超.中南大學(xué) 2014
[6]心電信號(hào)智能分析關(guān)鍵技術(shù)研究[D]. 姚成.吉林大學(xué) 2012
[7]心電波形檢測(cè)與心率變異性分析方法研究[D]. 董紅生.蘭州理工大學(xué) 2012
[8]EMD算法研究及其在信號(hào)去噪中的應(yīng)用[D]. 王婷.哈爾濱工程大學(xué) 2010
[9]基于EMD的機(jī)械振動(dòng)分析與診斷方法研究[D]. 曹沖鋒.浙江大學(xué) 2009

碩士論文
[1]基于最小二乘支持向量機(jī)的胎兒心電信號(hào)提取研究[D]. 胡銳.廣東工業(yè)大學(xué) 2018
[2]心電信號(hào)神經(jīng)網(wǎng)絡(luò)分類算法研究[D]. 史航瑞.沈陽(yáng)理工大學(xué) 2018
[3]基于數(shù)據(jù)挖掘的心臟疾病診斷研究[D]. 蔡楚華.福州大學(xué) 2017
[4]基于多尺度熵的常見(jiàn)心臟疾病特征研究[D]. 萬(wàn)永利.電子科技大學(xué) 2017
[5]基于EMD的心電信號(hào)去噪方法研究及實(shí)現(xiàn)驗(yàn)證[D]. 張磊磊.重慶郵電大學(xué) 2016
[6]心律失常自動(dòng)識(shí)別算法的研究[D]. 王如想.山東大學(xué) 2013
[7]用于AED的惡性室性心律失常判別方法研究及系統(tǒng)控制軟件設(shè)計(jì)初探[D]. 劉聰.復(fù)旦大學(xué) 2011



本文編號(hào)：3271532