近年來(lái),心血管疾病發(fā)病率逐年升高,并且呈現(xiàn)出較高的死亡率。心血管疾病患者早期發(fā)病時(shí)常常伴隨著心律失常癥狀,因此早期檢測(cè)心律失常對(duì)提前預(yù)防心血管疾病,及早介入治療具有至關(guān)重要的意義。心律失常類(lèi)型的分類(lèi)技術(shù)一直都是心電信號(hào)（ECG）自動(dòng)分析的重要研究課題,但由于心電信號(hào)屬于微弱生物電信號(hào),極易受噪聲影響,若要實(shí)現(xiàn)對(duì)心律失常準(zhǔn)確的特征提取和正確分類(lèi)仍然存在著很大挑戰(zhàn)�；诖�,本文針對(duì)ECG特征提取及心律失常類(lèi)型的分類(lèi)進(jìn)行研究。針對(duì)心電信號(hào)中經(jīng)常出現(xiàn)的基線漂移低頻噪聲及高頻噪聲設(shè)計(jì)了數(shù)學(xué)形態(tài)學(xué)濾波器,通過(guò)選擇合適的不同類(lèi)型和長(zhǎng)度的結(jié)構(gòu)元素,在有效濾除噪聲的同時(shí)保留原始信號(hào)波形特征,有效克服了由于信號(hào)失真而導(dǎo)致的特征提取誤差。在準(zhǔn)確檢測(cè)心電信號(hào)各個(gè)特征波形的前提下,首先從心電信號(hào)中提取最直觀的具有醫(yī)學(xué)意義的波形形態(tài)特征,即間期、幅值等,全面獲取心電信號(hào)的波形信息;其次,提出采用動(dòng)態(tài)時(shí)間規(guī)整（DTW）計(jì)算單個(gè)心拍和標(biāo)準(zhǔn)心拍之間的形態(tài)學(xué)距離,刻畫(huà)心拍之間的相關(guān)性;最后,對(duì)心電信號(hào)中信息含量最高的QRS波群進(jìn)行主成分分析（PCA）,提取QRS波群中主要成分分量。將三部分特征融合作為分類(lèi)特征向量集,為后... 

【文章來(lái)源】：蘇州大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ECG信號(hào)基線校正3.2分割樣本心拍

波峰值前后搜索是否有次高峰，即極大值，將極大值作為局部距離變換的止點(diǎn)，確保局部距離變換的準(zhǔn)確性。極大值的確定如圖4-9所示。根據(jù)選定的極大值，劃分左右檢測(cè)區(qū)間，在檢測(cè)區(qū)間內(nèi)進(jìn)行局部距離變換，確定P波起點(diǎn)和止點(diǎn)。圖4-9極大值的確定及劃分左右區(qū)間（3）P波起點(diǎn)P波起點(diǎn)的確定在左區(qū)間內(nèi)進(jìn)行，局部距離變換輔助段的起點(diǎn)為P波檢測(cè)區(qū)間的起點(diǎn)，輔助段的止點(diǎn)為圖14所示左極大值點(diǎn)。理論上說(shuō)，在濾除基線漂移噪聲的前提下，P波前應(yīng)為很長(zhǎng)的平穩(wěn)段，但是實(shí)際中由于波形采集和濾波的各種問(wèn)題，P波前常常是歪斜或者會(huì)出現(xiàn)與P波形態(tài)相似的偽P波。在某些心律失常情況下

圖4-10 P波起點(diǎn)檢測(cè)示意圖的確定在右區(qū)間內(nèi)進(jìn)行，相比于P波起點(diǎn)，P波止點(diǎn)后的平波，因此準(zhǔn)確識(shí)別平穩(wěn)區(qū)域，確定局部距離變換的止點(diǎn)是，為突出幅值之間的差異性，對(duì)幅值進(jìn)行歸一化，對(duì)歸一找到幅值最集中的區(qū)域，該區(qū)域即為平穩(wěn)段，于是取平穩(wěn)止點(diǎn)，以圖4-9中的右極大值作為局部距離變換的起點(diǎn)。4-11所示。P波止點(diǎn)平穩(wěn)段

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的心電特征提取[J]. 顏昊霖,安勇,王宏飛,牟榮增.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(04)
[2]基于近鄰保持嵌入算法的心律失常心拍分類(lèi)[J]. 高興姣,李智,陳珊珊,李健.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(01)
[3]基于混沌特性和BP神經(jīng)網(wǎng)絡(luò)的室性早搏的自動(dòng)診斷[J]. 劉秀玲,杜海曼,呂方飛,陳飛,劉明.  河北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(04)
[4]心電信號(hào)中R波的自適應(yīng)檢測(cè)方法[J]. 黃海彬,謝云.  自動(dòng)化與信息工程. 2013(06)
[5]基于數(shù)學(xué)形態(tài)學(xué)及支持向量機(jī)的心率失常識(shí)別[J]. 劉雄飛,晏晨偉,胡志坤.  計(jì)算機(jī)應(yīng)用. 2013(04)
[6]基于模糊隸屬度與支持向量機(jī)心律失常分類(lèi)模型[J]. 楊樞,朱超.  蚌埠醫(yī)學(xué)院學(xué)報(bào). 2012(08)
[7]基于支持向量機(jī)的心律失常診斷研究[J]. 湯麗平,張健,劉劍,郭興明.  激光雜志. 2012(04)
[8]一種改進(jìn)的差分閾值心電檢測(cè)算法[J]. 趙羿歐,劉揚(yáng).  計(jì)算機(jī)工程. 2011(S1)
[9]基于多特征和支持向量機(jī)的心律失常分類(lèi)[J]. 趙勇,洪文學(xué),孫士博.  生物醫(yī)學(xué)工程學(xué)雜志. 2011(02)
[10]基于形態(tài)學(xué)濾波器的ECG信號(hào)預(yù)處理[J]. 劉忠國(guó),王金亮,劉伯強(qiáng).  生物醫(yī)學(xué)工程學(xué)雜志. 2011(02)

碩士論文
[1]心電信號(hào)特征提取及心律失常分類(lèi)算法研究[D]. 史夢(mèng)穎.天津工業(yè)大學(xué) 2017
[2]基于深度神經(jīng)網(wǎng)絡(luò)的心電圖自動(dòng)分類(lèi)方法研究與實(shí)現(xiàn)[D]. 樊承柱.山東大學(xué) 2016
[3]基于小波分析和神經(jīng)網(wǎng)絡(luò)的異常心電信號(hào)分類(lèi)研究[D]. 趙毅.太原理工大學(xué) 2015
[4]心電監(jiān)護(hù)儀R波檢測(cè)和心律失常分類(lèi)算法設(shè)計(jì)與實(shí)現(xiàn)[D]. 李黎明.武漢理工大學(xué) 2015
[5]SVM參數(shù)尋優(yōu)及其在分類(lèi)中的應(yīng)用[D]. 徐曉明.大連海事大學(xué) 2014
[6]心電信號(hào)ST段分析研究[D]. 李露.重慶大學(xué) 2007



本文編號(hào)：3286761