【摘要】：心臟類疾病一直是高發(fā)類疾病,隨著老齡化加劇,基于心電信號的自動分析診斷技術(shù)將是健康醫(yī)療的重要發(fā)展方向。心臟異常的預測和診斷以心電信號的特征點和特征波段信息為基礎展開,但是在獲取特征信息前需要保證數(shù)據(jù)的準確性,所以需要對信號作濾波處理。此外,依據(jù)心電特征信息進行異常預測和診斷需要采集和使用大量心電數(shù)據(jù),利用機器學習中的挖掘算法能快速有效對常見異常作出診斷。本文針對心電信號的預處理,心電特征提取和挖掘算法實現(xiàn)進行研究,主要研究內(nèi)容如下:1.對心電信號預處理即對心電信號去噪。采用平穩(wěn)小波變換結(jié)合閾值去噪法對MIT-BIH心電庫中的心電信號進行二次濾波,主要去除了信號中殘留的基線漂移和肌電干擾。為了克服使用軟閾值函數(shù)濾波帶來的信號失真和使用硬閾值函數(shù)由于信號不連續(xù)帶來的偽吉布斯現(xiàn)象,本文提出自適應軟閾值函數(shù)濾波法,使用全局自適應閾值和軟閾值函數(shù)對信號進行重構(gòu)。仿真結(jié)果證明這種方法對基線漂移和肌電干擾有良好的濾除作用,性噪比和失真率性能良好。2.在特征識別工作中實現(xiàn)心電信號波形檢測。選擇二次B樣條小波作為小波函數(shù)對心電信號進行4層小波分解,通過在第四尺度上識別R波的模極值對進行波形檢測,采用自適應加窗校驗的方式實現(xiàn)R波檢測。以R波為基礎在第二尺度上用同樣的方法實現(xiàn)對Q,S,P,T波的識別,使用二次差分閾值的方法實現(xiàn)對波群起始點的識別。3.按照心電節(jié)律劃分出12類異常心電波形,依據(jù)識別的波形將心電異常的診斷標準量化,實現(xiàn)異常特征提取入庫。使用分類決策樹算法實現(xiàn)心電異常診斷和預測,通過K-Folds交叉驗證和隨機森林算法相結(jié)合的方法改進心電異常診斷模型,使用驗證數(shù)據(jù)集對預測模型的性能進行驗證。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R540.4;TN911.7
【圖文】：

圖２－１標準心電波形圖逡逑反映左右心房除極時體表電位差變化。正常心電圖中除了邋ａＶＲ均向上，通常Ｐ波的間期為０．０８ｓ？０．１１ｓ，幅值不超過０．２５ｍＶ，，說明左右心房的傳導出現(xiàn)了問題。逡逑期：代表了房室傳導過程所需的時間，由于電位較弱，因此在是一段處于基線附近的線段。健康人體的Ｐ－Ｒ間期為０．１２ｓ？０．２ｓ，室之間的傳導受到阻礙，會導致該間期變長。逡逑群：反映了心室肌除極化過程的電位變化，由連續(xù)的負向的Ｑ波和負向的Ｓ波組成。當心室增大或者肥厚時，就會出現(xiàn)ＱＲＳ發(fā)生變形現(xiàn)象。逡逑ＱＲＳ波群的終點與Ｔ波起點之間的波段稱為ＳＴ段，這段波形極的信息。這段時間內(nèi)，心室肌處于除極狀態(tài)，心室肌的各處位差。因此，健康人的心電圖中的ＳＴ段向上偏移不超過０．０５ｍＶ缺血或者壞死時，就會使ＳＴ段向上或者向下有較大的偏移量�；赡軐氖曳蚀�，心肌梗塞，心房和心室肥大等疾病，

圖４－４自適應軟閾值函數(shù)濾波后的信號與原始信號對比逡逑去噪新能評估指標中的丨目噪比和失真率定義如下：逡逑ＳＮＲ邋＝邋ｌｏｇ邋Ｖ邋—＾￣－邐（４－１０）逡逑卜丨［難）－）．’（，0］、逡逑ＥＲＲ邋＝N�。�？）二），邐（４－１１）逡逑Ｎ邋七邐ｘ0ｉ）逡逑中，．中0是原始心電信號，ｊ，（》）是經(jīng)過濾波處理后的心電信號。由以上兩式逡逑知，ＳＮＲ越大，ＥＲＲ越小去噪效果和失真效果越好。當采樣的數(shù)據(jù)個數(shù)Ｎ由逡逑２３逡逑

逑等效的，同理可得，信號．吻）經(jīng)外0處理后得到信號．ｖ（0，對其求二階導可得ｙ２＞0），逡逑與用ｄ：即）／ｄｒ２對噸）進行處理等效，處理等效圖如圖５－１所示：逡逑ｄＷ逡逑圖５－１導數(shù)的等效處理逡逑若一個函數(shù)的一階導數(shù)存在，則在時間域上，一階導數(shù)等于零的點與原函逡逑數(shù)中的極值點對應，一階導函數(shù)的極值點原函數(shù)的轉(zhuǎn)折點對應；如果一個函數(shù)逡逑的二階導數(shù)是存在的，則在時間域上，二階導函數(shù)等于零的點與原函數(shù)中的轉(zhuǎn)逡逑折點對應，二階導函數(shù)的極值點與原函數(shù)中的極值點對應；對應關系如圖５－２逡逑所示：逡逑0．２邋［邐＇邋ＩＴＴｒ逡逑０邋：逡逑４００邐！邋，邋！邋６００逡逑0．ｉ邋ｆ邐！邐■占逡逑：８：§Ｅ＿＿逡逑４００邐６００逡逑圖５－２心電信號Ｒ波峰值點與小波系數(shù)過零點對應關系逡逑令，）Ｗ邋＝邋Ｍ１，＝邐由小波函數(shù)容許條件可知，采用ｖ／（＂（0或者逡逑ｄｒ邐ｄｒ逡逑，（／）對信號沖）進行小波變換，則信號RG的極值點和轉(zhuǎn)折點都體現(xiàn)到經(jīng)過小逡逑波變換后得到的小波系數(shù)中。如果采用Ｗ）作為小波函數(shù)對信號．州）進行小波逡逑變換

【相似文獻】

相關期刊論文 前10條

1 謝鵬;;基于小波變換的圖像動態(tài)融合技術(shù)[J];電子技術(shù)與軟件工程;2016年22期

2 劉景良;鄭錦仰;鄭文婷;黃文金;;基于改進同步擠壓小波變換識別信號瞬時頻率[J];振動.測試與診斷;2017年04期

3 東方;;基于離散小波變換的方波消噪[J];科技風;2015年11期

4 任艷;;基于小波變換模極大值原理的變電站變壓器保護研究[J];科學家;2017年11期

5 羅山;;基于方向小波變換的圖像邊緣檢測[J];攀枝花學院學報;2014年05期

6 毛永芳;秦毅;湯寶平;;過完備有理小波變換在軸承故障診斷中的應用[J];振動.測試與診斷;2011年05期

7 王北鎮(zhèn);郭志強;;5/3提升小波變換的仿真與FPGA實現(xiàn)[J];電腦知識與技術(shù);2010年02期

8 邢晨;王洪發(fā);于鋒;;基于離散小波變換的水文序列相似查找[J];科技信息;2010年23期

9 沈峰;黃勇;莊鎖法;趙艷紅;;一種提升小波變換的VLSI結(jié)構(gòu)設計[J];電腦知識與技術(shù);2010年34期

10 高志榮;熊承義;;提升小波變換的并行處理與高速實現(xiàn)[J];光電工程;2009年08期

相關會議論文 前10條

1 駱少明;張湘?zhèn)?;小波變換在隨機振動測試信號分析中的應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

2 曹思遠;牟永光;;小波變換與信號分解[A];1992年中國地球物理學會第八屆學術(shù)年會論文集[C];1992年

3 湯紅誠;李著信;;小波變換在故障診斷中應用[A];中國儀器儀表學會第五屆青年學術(shù)會議論文集[C];2003年

4 吳其前;陳亮;張雄偉;;離散小波變換的FPGA實現(xiàn)[A];第九屆全國青年通信學術(shù)會議論文集[C];2004年

5 朱光明;高靜懷;王玉貴;;小波變換及其在一維濾波中的應用[A];1992年中國地球物理學會第八屆學術(shù)年會論文集[C];1992年

6 李正東;何武良;鄭曉東;宋琛;彭文;成家源;裴春蘭;;小波變換在圖像目標識別中的應用[A];中國工程物理研究院科技年報（2000）[C];2000年

7 張國星;韓世全;;小波變換濾波在連鑄坯材料超聲檢測中的應用[A];中國聲學學會2003年青年學術(shù)會議[CYCA'03]論文集[C];2003年

8 孔月萍;曾平;韋素媛;江永林;;小波變換在遙感圖像編碼中的應用[A];全國第13屆計算機輔助設計與圖形學（CAD/CG）學術(shù)會議論文集[C];2004年

9 朱煜;汪奇;肖玉玲;;基于CURVELET變換的圖象去噪研究[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

10 朱強;;小波變換基本原理及應用[A];中國地球物理2013——第二十五專題論文集[C];2013年

相關重要報紙文章 前1條

1 吳玉田殷學平;中藥質(zhì)量控制又添新武器——小波變換近紅外光譜分析系統(tǒng)[N];中國醫(yī)藥報;2004年

相關博士學位論文 前10條

1 熊智新;基于小波變換的化學譜圖數(shù)據(jù)處理[D];浙江大學;2004年

2 高廣春;第二代小波變換理論及其在信號和圖像編碼算法中的應用[D];浙江大學;2004年

3 張鄭擎;基于小波變換的圖象/視頻壓縮編碼及其數(shù)字水印嵌入方法的研究[D];上海大學;2001年

4 王青海;基于視覺特性的小波變換編碼及圖象質(zhì)量評價方法的研究[D];上海大學;2004年

5 李旭超;小波變換和馬爾可夫隨機場在圖像降噪與分割中的應用研究[D];浙江大學;2006年

6 董衛(wèi)軍;基于小波變換的圖像處理技術(shù)研究[D];西北大學;2006年

7 王麗榮;基于小波變換的目標檢測方法研究[D];吉林大學;2006年

8 明星;虹膜識別技術(shù)中小波變換的應用原理與方法[D];吉林大學;2006年

9 聶磊;小波變換用于重疊化學信號的分辨研究[D];中國科學技術(shù)大學;2002年

10 章文軍;小波變換和神經(jīng)網(wǎng)絡在化學中的應用[D];中國科學院研究生院（長春應用化學研究所）;2001年

相關碩士學位論文 前10條

1 劉子峰;基于小波變換的圖像編碼技術(shù)研究[D];哈爾濱工程大學;2015年

2 何世強;基于小波變換及脈沖耦合神經(jīng)網(wǎng)絡的人臉識別[D];福建師范大學;2017年

3 劉方正;基于快速傅里葉小波變換和奇異值分解的電力系統(tǒng)主導振蕩參數(shù)多通道辨識方法[D];東北電力大學;2018年

4 胡佳偉;心電可穿戴檢測干擾抑制算法研究[D];南京大學;2018年

5 李鵬鵬;基于小波分析的太赫茲光譜信號分析研究[D];河南工業(yè)大學;2018年

6 劉為斌;異常心電信息識別與基于分類決策樹的心電預測研究[D];北京郵電大學;2018年

7 吳海波;基于小波變換的AUV多尺度組合導航算法研究[D];哈爾濱工程大學;2017年

8 毛睿;基于小波和SVM的人臉識別混合算法的研究[D];江西理工大學;2018年

9 許傳;基于小波變換/分數(shù)階傅里葉變換的聲自導方法研究[D];中國艦船研究院;2017年

10 王鳴哲;星載圖像壓縮系統(tǒng)中高速小波變換的FPGA設計與實現(xiàn)[D];中國科學院大學(中國科學院國家空間科學中心);2017年

本文編號：2774522