心血管疾病在近幾年呈現(xiàn)越來越高的發(fā)病率,已經(jīng)成為全球疾病的死亡率之首,因此日常心電監(jiān)護(hù)正在成為研究熱點。可穿戴設(shè)備在日常心電監(jiān)護(hù)中承擔(dān)著重要的角色,主要利用心電信號中的QRS波群位置和心率變異性的一些時域頻域指標(biāo)進(jìn)行計算,推測出心臟的健康狀況。因此,本文首先對心電信號進(jìn)行QRS波群檢測,然后基于心率變異性的時域特征和頻域特征設(shè)計了五種不同的分類器,對不同心律類型進(jìn)行分類,最后基于Android平臺搭建了一個ECG實時監(jiān)測軟件。在可穿戴設(shè)備的應(yīng)用場景中,用戶的姿勢或周圍環(huán)境的噪聲會給QRS波群的檢測帶來很大干擾,本文在前人的一種基于斜率閾值的SC算法基礎(chǔ)上進(jìn)行改進(jìn),提出了一種抗干擾能力強、適用于可穿戴設(shè)備的QRS波群檢測算法—ISC算法。該算法增加了自適應(yīng)幅值篩選、自適應(yīng)斜率比較閾值、RR間隔修正以及最大值修正等機制,有效提高了R波檢測的正確率和算法的抗干擾能力。用MIT-BIH心律失常數(shù)據(jù)庫數(shù)據(jù)驗證的ISC算法的平均P+為99.12%,平均Se在95%以上;對MIT-BIH噪聲壓力測試數(shù)據(jù)庫中的基線漂移、肌電干擾和電極運動干擾三種類型的噪聲具有較強的干擾抑制能力,Se和P+均超過94%...

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文背景與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 可穿戴設(shè)備發(fā)展現(xiàn)狀
        1.2.2 心電信號特征提取研究現(xiàn)狀
    1.3 主要研究內(nèi)容及安排
第二章 數(shù)據(jù)采集與預(yù)處理
    2.1 心電數(shù)據(jù)庫簡介
        2.1.1 MIT-BIH心律失常數(shù)據(jù)庫(mitdb)
        2.1.2 MIT-BIH噪聲壓力測試數(shù)據(jù)庫(nstdb)
        2.1.3 MIT-BIH正常竇性心律數(shù)據(jù)庫(nsrdb)
        2.1.4 BIDMC充血性心力衰竭數(shù)據(jù)庫(chfdb)
        2.1.5 運動狀態(tài)數(shù)據(jù)庫
    2.2 心電數(shù)據(jù)預(yù)處理
        2.2.1 去除工頻干擾
        2.2.2 去除基線漂移和運動噪聲
    2.3 本章小結(jié)
第三章 基于斜率閾值法的QRS波檢測
    3.1 R波檢測
        3.1.1 So and Chan (SC)算法
        3.1.2 Improved So and Chan(ISC)算法
        3.1.3 R波檢測小結(jié)
    3.2 Q波檢測
        3.2.1 基于差分最值法的Q波檢測原理
        3.2.2 Q波檢測結(jié)果
    3.3 S波檢測
        3.3.1 基于最值法的S波檢測原理
        3.3.2 S波檢測結(jié)果
    3.4 本章小結(jié)
第四章 基于心率變異性的多種心臟疾病分類
    4.1 HRV特征提取與選擇
        4.1.1 時域特征提取
        4.1.2 頻域特征提取
    4.2 基于BP神經(jīng)網(wǎng)絡(luò)的心律分類器
        4.2.1 BP神經(jīng)網(wǎng)絡(luò)基本理論
        4.2.2 多類別心律分類器設(shè)計
        4.2.3 實驗結(jié)果分析
    4.3 本章小結(jié)
第五章 Android終端軟件設(shè)計
    5.1 APP整體框架
    5.2 關(guān)鍵技術(shù)的實現(xiàn)
        5.2.1 數(shù)據(jù)傳輸
        5.2.2 心電數(shù)據(jù)處理
        5.2.3 實時繪制心電波形
        5.2.4 緊急聯(lián)系人功能
        5.2.5 數(shù)據(jù)的存儲和生成心電圖
    5.3 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
在校期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號：3794938