异常心电波形的自动分析及其快速识别算法研究

发布时间：2020-08-13 09:24

【摘要】：心脏猝死(Sudden cardiac death-SCD,简称猝死)是心血管疾病死亡的主要原因之一,已成为人们首要关注的健康问题。其中,约80%的SCD又是由于室颤(VF)或持续性室速(VT)等最恶性心律失常所导致的。目前,在最短的时间内对患者实施电击除颤(electric defibrillation-ED,简称除颤)是临床上唯一可靠并被广泛使用的室颤转复方法。然而,由于SCD的突发性和随机性,而其中绝大部分的病发患者又远离医院,因此常常因无法获得及时的救治,而失去宝贵的生命。1997年首台全自动体外除颤器(AED)的出现,使得这一窘状得以革命性的改变,普通民众可在没有任何医学知识的情况下对院外心脏骤停患者实施及时的除颤救助,大大提高了恶性心律失常患者的存活率。同时,为了尽早监测和预防恶性心律失常的发生,对于具有潜在心律失常患者的心电波形实施远程实时监护,以尽早发现异常征兆和并给予及时的告警或救助,亦将有效降低院外SCD的死亡率。因此,无论是对于具有自动感知、自动判断及自动除颤的AED,还是院外高危心脏病患者的实时监测和早期预警的心电监护系统,其中对于异常的心电波形的全自动分析和恶性心律失常的快速识别,是需要探索和解决的重点及难点。本文的主要工作围绕异常心电波形中非致命性失常心律的实时监护和致命性失常心律的电击除颤,主要开展了如下三方面的研究和探讨。首先,给出了心电信号的产生原理、心电信号波形特点以及心电标准数据库,并针对心电信号采集过程中各种干扰和噪声,给出了本文设计的数字滤波方法及其滤波效果。其次,基于传统心电信号的QRS波的检测方法存在的不足,提出了一种基于差分阈值的QRS波的自动检测新方法;在MATLAB和STM32嵌入式监护系统下分别设计和移植了相应的算法,并基于MIT-BIH心律失常标准数据库,开展了相应的算法性能仿真分析和实验测试。测试结果显示,该算法的QRS波检测灵敏度和准确率分别达到了99.69%和99.32%;与已有算法相比,本方法在满足心电监护实时性要求的同时且具有更好的QRS波检测灵敏度和准确率。同时,具有上述QRS波检测的基础上,本文进一步使用粗糙集理论,对临床常见的13种非致命性失常心律进行了分析,并给出了相应的判别标准。最后,基于栅条投影和斜率变异度理论,提出了四种结合时频域特征分析的可电击复律心律的自动识别新方法,并在MATLAB环境下设计和实现了相应的算法;同时,建立了约10万余条的可电击心律数据库,并完成了相应的算法性能仿真测试;测试评估结果表明:本算法不仅达到美国心脏协会(AHA)所建议的AED决策的性能要求,而且和已有的HILB算法相比,表现出更优的分类性能和更少的计算时间。本文的研究是心电监护及早期预警、心律感知和AED自动除颤的核心技术,相关研究成果对于复杂心律失常的心电自动分析和快速识别具有广泛的实际应用前景,尤其对于研制和开发具有我国自主知识产权的心电监护及自动除颤装置具有重要科学价值和社会意义。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R541.78;TN911.7

【相似文献】