本文關(guān)鍵詞：心電圖的計算機智能分析系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國人民生活水平的不斷提高和人口的逐漸老齡化，心血管疾病正逐漸成為威脅人類健康的一大殺手，心臟是血液循環(huán)的動力源頭，就像一個永不停止的發(fā)動機，伴隨著人類的一生。心臟的器質(zhì)性病變或功能性病變，都會給患者和家屬帶來極大的痛苦。作為人體四大常規(guī)檢查的心電圖檢查，以其方便易測，和可以測出功能性病變的能力，被很多人接受。但心電圖的人工分析，不僅需要經(jīng)過專業(yè)訓(xùn)練的醫(yī)師進行大工作量的勞動，而且主觀性比較強。因此借助于有強大數(shù)據(jù)處理能力的計算機對心電圖進行自動分析就顯得迫切需要，隨著數(shù)字處理技術(shù)的快速發(fā)展和新的理論算法的不斷出現(xiàn)，將新技術(shù)和理論應(yīng)用于提高心電圖機自動分析的準確率和實時性，已經(jīng)成為熱點的課題。 心電圖的計算機自動分析作為一個完整的系統(tǒng)，應(yīng)該包括采集原始心電數(shù)據(jù)，存儲大量心電數(shù)據(jù)，建立包含專業(yè)醫(yī)師注釋診斷說明和高分辨率的心電圖數(shù)據(jù)庫，建立患者的電子病歷以作為參考，然后進行計算機自動分析，根據(jù)分析結(jié)果做出參考處方等功能。 本文在前人勞動成果的基礎(chǔ)上，對新出現(xiàn)的理論和已存在的方法進行了學(xué)習(xí)和分析，并將其用于心電圖的自動診斷。本文主要從如下幾個方面闡述心電圖的自動分析系統(tǒng)： 1．心電信號的預(yù)處理：介紹了心電圖測量過程中常見的三種噪聲干擾，并介紹了其常見的處理方法。然后采用具有時頻局部性的小波變換去噪方法，并將其與自適應(yīng)濾波相結(jié)合，嘗試去濾除工頻干擾、基線漂移、肌電干擾等干擾。實驗結(jié)果表明，該方法有效的濾除了三種噪聲，提高了信號的信噪比。 2．心電特征參數(shù)提取：在比較了幾種常用的參數(shù)提取方法之后，采用小波變換，，利用Mallat算法對心電信號進行多尺度分解、奇異點檢測后，對心電信號各波段進行精確定位并提取其特征參數(shù)。 3．心電信號的自動分類：針對常見的心律失常，應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)對室性早博(PVC)進行識別，并采用基于圖像模式識別的句法分析方法對心律失常進行分類，在此基礎(chǔ)上設(shè)計了用于標準心電圖傳輸、存儲和分析的小型系統(tǒng)。 本文實驗數(shù)據(jù)采用MIT-BIH相關(guān)心電圖數(shù)據(jù)，經(jīng)過實驗驗證，取得了初步的
【關(guān)鍵詞】：心電圖(ECG) 小波分析 特征提取 神經(jīng)網(wǎng)絡(luò) 句法分析 分類識別
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2006
【分類號】：TH772.2
【目錄】：

• 中文摘要7-9
• ABSTRACT9-11
• 第一章 緒論11-17
• 1.1 研究背景11-16
• 1.1.1 心血管疾病的現(xiàn)狀11-12
• 1.1.2 計算機輔助 ECG自動分析研究的發(fā)展歷史12-13
• 1.1.3 ECG自動分析技術(shù)的研究現(xiàn)狀13
• 1.1.4 ECG信號預(yù)處理的發(fā)展現(xiàn)狀13-14
• 1.1.5 ECG信號波形檢測和特征提取的發(fā)展現(xiàn)狀14-15
• 1.1.6 ECG的分類識別及疾病診斷15-16
• 1.2 研究動機及目的16
• 1.3 本文結(jié)構(gòu)及創(chuàng)新點16-17
• 1.3.1 本文結(jié)構(gòu)16
• 1.3.2 主要創(chuàng)新點16-17
• 第二章 心電圖概論及標準機讀格式17-26
• 2.1 心電圖概論17-22
• 2.1.1 心電圖產(chǎn)生原理17-18
• 2.1.2 典型的正常心電圖波形18-19
• 2.1.3 常見心電圖機的導(dǎo)聯(lián)方法19-20
• 2.1.4 心電圖機輸出的紙質(zhì)心電圖的常用參數(shù)及閱讀方法20-22
• 2.2 標準心電圖格式22-23
• 2.3 心電圖數(shù)據(jù)采集到PC機23-25
• 2.4 標準心電圖數(shù)據(jù)庫提取到PC機25-26
• 第三章 研究所使用的理論背景26-34
• 3.1 小波變換理論27-31
• 3.1.1 連續(xù)小波變換27-29
• 3.1.2 離散小波變換29
• 3.1.3 離散二進小波變換29-30
• 3.1.4 小波變化模極值(或過零)點與信號突變點的關(guān)系30
• 3.1.5 用小波變換模極大值的變化規(guī)律表征信號的奇異性30-31
• 3.2 人工神經(jīng)網(wǎng)絡(luò)(ANN)簡介31-33
• 3.3 模糊技術(shù)簡介33-34
• 3.4 小結(jié)34
• 第四章 信號預(yù)處理34-44
• 4.1 ECG有效信號的頻譜范圍和特點34-35
• 4.2 三種主要干擾的特點及其傳統(tǒng)處理方法35-36
• 4.2.1 工頻干擾噪聲消除的傳統(tǒng)方法35-36
• 4.2.2 基線漂移濾除的經(jīng)典方法36
• 4.2.3 肌電干擾濾除的經(jīng)典方法36
• 4.3 小波變換自適應(yīng)濾波36-42
• 4.3.1 自適應(yīng)濾波原理37
• 4.3.2 最小均方誤差(LMS)準則37-38
• 4.3.3 自適應(yīng)濾波38
• 4.3.4 小波變換自適應(yīng)濾波除噪具體方法38-39
• 4.3.5 實驗及分析39-42
• 4.4 小結(jié)42-44
• 第五章 波形識別與特征值提取44-53
• 5.1 常用特征參數(shù)介紹(心電圖的時域特征):44
• 5.2 小波函數(shù)的選擇44-45
• 5.3 三次B樣條小波應(yīng)用于ECG檢測45-50
• 5.3.1 三次B樣條小波濾波器組設(shè)計45-47
• 5.3.2 實現(xiàn)方法47
• 5.3.3 應(yīng)用于R波的檢測47-48
• 5.3.4 應(yīng)用于QRS波的檢測48
• 5.3.5 應(yīng)用于S點，J點的檢測48-49
• 5.3.6 應(yīng)用于T波的檢測49
• 5.3.7 應(yīng)用于U波的檢測49-50
• 5.4 分析與討論50-52
• 5.4.1 實驗參數(shù)及閾值的設(shè)定50-51
• 5.4.2 實驗結(jié)果及分析51-52
• 5.5 本章小結(jié)52-53
• 第六章 心律失常的計算機診斷53-69
• 6.1 心律失常的心電圖特征53-55
• 6.2 心律失常的自動識別的常用方法55-56
• 6.3 模糊神經(jīng)網(wǎng)絡(luò)用于心律失常分類識別56-64
• 6.3.1 FNN介紹56-57
• 6.3.2 ECG信號特征參數(shù)的選取57
• 6.3.3 FNN的建立57-60
• 6.3.4 網(wǎng)絡(luò)學(xué)習(xí)算法及其改進措施60-62
• 6.3.5 實驗及分析62-64
• 6.4 圖像識別句法分析用于心律失常的自動診斷64-67
• 6.4.1 可行性分析64-65
• 6.4.2 所用到的方法65
• 6.4.3 具體實現(xiàn)方法65-67
• 6.4.4 實驗結(jié)果及結(jié)論67
• 6.5 可用于傳輸，交換和分析的標準心電圖系統(tǒng)67-68
• 6.6 本章小結(jié)68-69
• 第七章 總結(jié)與展望69-71
• 7.1 研究總結(jié)69
• 7.2 展望69-71
• 參考文獻71-76
• 致謝76-77
• 在研究生期間發(fā)表的論文77-78
• 學(xué)位論文評閱及答辯情況表78

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 劉婷;劉紅秀;;基于小波閾值變換的心電圖去噪研究[J];廣東藥學(xué)院學(xué)報;2008年06期

2 樊玉明;蔡伯根;王劍;上官偉;安毅;;基于北斗-陀螺儀組合定位的軌道占用判別方法研究[J];鐵道學(xué)報;2013年09期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 丁莉;基于虛擬儀器的動脈硬化智能分析系統(tǒng)設(shè)計[D];內(nèi)蒙古大學(xué);2011年

2 李貴娟;模糊聚類技術(shù)在心電波形分類中的應(yīng)用研究[D];河北工程大學(xué);2011年

3 張坤艷;脈象特征信息的提取與識別方法研究[D];山東科技大學(xué);2007年

4 徐濤;人體脈象生理信息的提取與識別方法研究[D];山東科技大學(xué);2008年

5 李亞瓊;多參數(shù)人體狀態(tài)監(jiān)護系統(tǒng)的研究[D];山東大學(xué);2010年

6 聶橋橋;智能處理在ECG檢測中的應(yīng)用研究[D];南昌航空大學(xué);2012年

7 石屹;基于形態(tài)學(xué)的心電信號特征提取和分類方法的研究[D];華東理工大學(xué);2013年

8 耿濤;ECG波形可視化聚類策略研究[D];天津理工大學(xué);2013年

  本文關(guān)鍵詞：心電圖的計算機智能分析系統(tǒng)，由筆耕文化傳播整理發(fā)布。

本文編號：276186