基于多路搜索的时序突变异常快速分析
发布时间：2023-01-12 20:59
随着人们物质生活水平的提高,心脏疾病的发生率一直在增加,而且一旦发生心脏疾病的致死率极高,它极大地威胁到了人们的健康。心电信号能反映心脏激动传导时各部位的生理状况,它是医生在临床上诊断心脏疾病的重要依据。所以,对于心电信号的深入研究和探索有着非常重要的意义。目前,对心电图的分析,大多数的医院还是采用人工分析的方式,这样不仅使得分析结果带有很强的主观性,而且随着病人的增多,工作量也是巨大的。随着计算机技术的飞速发展,人们急切的想要研究出一种准确性高,高效的心电信号自动分析技术。但是,目前由于心电信号本身的幅值小,频率低,数据量大的特性,而且它在采集的过程中容易收到噪音的干扰,使得自动分析技术中还有很多需要研究和解决的问题。为了快速检测大规模心电信号的异常突变,本文首先提出了一种基于三叉搜索树（TST）的算法,即TSTKS算法。该算法是在Haar小波变换理论和改进的KS统计检验理论的基础上提出的。TSTKS算法的主要步骤是先用多级Haar小波变换分解待检测的时序数据,同时构建均值二叉树TcA和差值二叉树TcD,在两棵二叉树的基础上增加中间分支,推导出本文所需要的均值三叉树TSTcA和差值三...
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 心电图的组成
1.3 心律失常数据库介绍
1.3.1 AHA数据库
1.3.2 ST-T数据库
1.3.3 MIT-BIH 数据库
1.4 研究现状
1.4.1 心电信号自动分析现状
1.4.2 突变点检测现状
1.5 本文的研究内容和结构
2 时序数据分析的基本理论
2.1 引言
2.2 Haar小波
2.2.1 Haar尺度函数
2.2.2 Haar小波函数
2.2.3 Haar分解与重构
2.3 常用的检验方法
2.3.1 K-S检验
2.3.2 小波分析法
2.3.3 T检验
2.4 数学基础
2.4.1 指数分布
2.4.2 正态分布
2.4.3 泊松分布
2.5 小结
3 基于多级Haar小波变换与KS统计的突变点检测
3.1 引言
3.2 TSTKS算法
3.3 均值三叉树和差值三叉树的构建
3.3.1 构建原理
3.3.2 算法实现
3.4 基于TSTKS的异常多路搜索策略
3.4.1 搜索策略一
3.4.2 搜索策略二
3.4.3 搜索策略三
3.5 评价指标
3.6 小结
4 基于模拟时序的TSTKS突变点检测
4.1 引言
4.2 比较算法
4.2.1 比较算法
4.3 TSTKS算法仿真
4.3.1 仿真实验分析
4.3.2 重复仿真实验分析
4.4 小结
5 基于TSTKS的心电信号分析
5.1 引言
5.2 实验平台
5.3 合成心电数据的检测与分析
5.4 心电异常的快速检测与分析
5.5 小结
6 总结与展望
6.1 论文总结
6.2 展望
参考文献
攻读硕士学位期间完成的学术成果
致谢
【参考文献】：
期刊论文
[1]基于多级Haar小波变换与KS统计的突变点快速探测方法[J]. 宋巧红,齐金鹏,张煜. 计算机工程. 2018(05)
[2]数字心电图机的质量检测方法分析[J]. 杨静,李向东,崔骊. 中国医学装备. 2015(09)
[3]时间序列异常点及突变点的检测算法[J]. 苏卫星,朱云龙,刘芳,胡琨元. 计算机研究与发展. 2014(04)
[4]心电图检测中碎裂QRS波对临床冠心病诊断的价值观察[J]. 周江花. 中国医药导刊. 2013(12)
[5]心电信号去噪的数学形态学滤波器[J]. 田絮资,杨建,黄力宇. 计算机工程与应用. 2012(02)
[6]基于混沌系统的心电图信号分类检测方法[J]. 杨伟,朱灿焰. 通信技术. 2011(02)
[7]心电模板构造方法及其在心电去噪中的应用[J]. 刘澄玉,刘常春,管琳,王新沛,胡顺波. 计算机工程与应用. 2009(31)
[8]基于小波变换的心电图信号特征点检测[J]. 张媛,顾幸生. 自动化仪表. 2008(11)
[9]心电信号噪声的数字滤波研究[J]. 陈天华,韩力群,郑彧. 微计算机信息. 2008(18)
[10]自适应阈值的小波噪声消除方法及其在消除心电图（ECG）噪声方面的应用[J]. 赵勇,郭鹏. 生物医学工程学杂志. 2008(03)
博士论文
[1]心电图中T波电交替检测关键技术研究[D]. 佘黎煌.东北大学 2015
[2]基于多尺度分析的图像融合算法研究[D]. 杨扬.中国科学院研究生院（长春光学精密机械与物理研究所） 2013
[3]动态心电图中房颤自动检测算法研究及其临床应用[D]. 黄超.浙江大学 2013
硕士论文
[1]基于小波分析的ECG信号处理技术研究[D]. 欧阳波.湖南大学 2014
[2]基于单导心电图的房颤信号检测及提取方法研究[D]. 李杰.电子科技大学 2012
[3]基于小波变换心电信号自动分析技术的研究[D]. 唐国栋.中南大学 2008
[4]动态心电图自动检测及分析方法的研究[D]. 张文琼.国防科学技术大学 2004
本文编号：3730443
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 心电图的组成
1.3 心律失常数据库介绍
1.3.1 AHA数据库
1.3.2 ST-T数据库
1.3.3 MIT-BIH 数据库
1.4 研究现状
1.4.1 心电信号自动分析现状
1.4.2 突变点检测现状
1.5 本文的研究内容和结构
2 时序数据分析的基本理论
2.1 引言
2.2 Haar小波
2.2.1 Haar尺度函数
2.2.2 Haar小波函数
2.2.3 Haar分解与重构
2.3 常用的检验方法
2.3.1 K-S检验
2.3.2 小波分析法
2.3.3 T检验
2.4 数学基础
2.4.1 指数分布
2.4.2 正态分布
2.4.3 泊松分布
2.5 小结
3 基于多级Haar小波变换与KS统计的突变点检测
3.1 引言
3.2 TSTKS算法
3.3 均值三叉树和差值三叉树的构建
3.3.1 构建原理
3.3.2 算法实现
3.4 基于TSTKS的异常多路搜索策略
3.4.1 搜索策略一
3.4.2 搜索策略二
3.4.3 搜索策略三
3.5 评价指标
3.6 小结
4 基于模拟时序的TSTKS突变点检测
4.1 引言
4.2 比较算法
4.2.1 比较算法
4.3 TSTKS算法仿真
4.3.1 仿真实验分析
4.3.2 重复仿真实验分析
4.4 小结
5 基于TSTKS的心电信号分析
5.1 引言
5.2 实验平台
5.3 合成心电数据的检测与分析
5.4 心电异常的快速检测与分析
5.5 小结
6 总结与展望
6.1 论文总结
6.2 展望
参考文献
攻读硕士学位期间完成的学术成果
致谢
【参考文献】：
期刊论文
[1]基于多级Haar小波变换与KS统计的突变点快速探测方法[J]. 宋巧红,齐金鹏,张煜. 计算机工程. 2018(05)
[2]数字心电图机的质量检测方法分析[J]. 杨静,李向东,崔骊. 中国医学装备. 2015(09)
[3]时间序列异常点及突变点的检测算法[J]. 苏卫星,朱云龙,刘芳,胡琨元. 计算机研究与发展. 2014(04)
[4]心电图检测中碎裂QRS波对临床冠心病诊断的价值观察[J]. 周江花. 中国医药导刊. 2013(12)
[5]心电信号去噪的数学形态学滤波器[J]. 田絮资,杨建,黄力宇. 计算机工程与应用. 2012(02)
[6]基于混沌系统的心电图信号分类检测方法[J]. 杨伟,朱灿焰. 通信技术. 2011(02)
[7]心电模板构造方法及其在心电去噪中的应用[J]. 刘澄玉,刘常春,管琳,王新沛,胡顺波. 计算机工程与应用. 2009(31)
[8]基于小波变换的心电图信号特征点检测[J]. 张媛,顾幸生. 自动化仪表. 2008(11)
[9]心电信号噪声的数字滤波研究[J]. 陈天华,韩力群,郑彧. 微计算机信息. 2008(18)
[10]自适应阈值的小波噪声消除方法及其在消除心电图（ECG）噪声方面的应用[J]. 赵勇,郭鹏. 生物医学工程学杂志. 2008(03)
博士论文
[1]心电图中T波电交替检测关键技术研究[D]. 佘黎煌.东北大学 2015
[2]基于多尺度分析的图像融合算法研究[D]. 杨扬.中国科学院研究生院（长春光学精密机械与物理研究所） 2013
[3]动态心电图中房颤自动检测算法研究及其临床应用[D]. 黄超.浙江大学 2013
硕士论文
[1]基于小波分析的ECG信号处理技术研究[D]. 欧阳波.湖南大学 2014
[2]基于单导心电图的房颤信号检测及提取方法研究[D]. 李杰.电子科技大学 2012
[3]基于小波变换心电信号自动分析技术的研究[D]. 唐国栋.中南大学 2008
[4]动态心电图自动检测及分析方法的研究[D]. 张文琼.国防科学技术大学 2004
本文编号：3730443
本文链接：https://www.wllwen.com/kejilunwen/wltx/3730443.html
