面向心血管疾病识别的心电信号分类研究

发布时间：2020-10-27 17:43

　　 心血管疾病是危害人类健康的主要疾病之一,具有隐蔽性强、发病率高、致死率高等特点。对于居民来说,准确的检测出心血管疾病的类型,对于心血管疾病的诊断和治疗有很重要的意义。心电图中包含了丰富的信息,是诊断心血管疾病的有力工具。因此,可以通过对心电图进行分类,来进一步确定心血管疾病的类型。本课题主要对信号预处理和自动分类识别技术进行了研究,主要工作如下:(1)心电信号的预处理。本文的预处理包括信号的噪声去除和QRS波的检测两部分。针对心电信号的主要噪声,如工频干扰、基线漂移和肌电干扰,设计了小波软阈值滤波器,对信号进行了时频分析。将噪声进行了有效的去除,得到了干净有效的信号。针对信号的形态特征,基于自适应双阈值算法来对心电信号的R波进行较为准确的定位。借助于一高一低双阈值对信号的R波进行了准确的定位。最后以R波为基准点,对信号的Q波和S波进行了定位,识别率为99.63%。(2)针对小样本心电数据,提出了基于小波变换的频域特征分析法,采用了随机森林、K-近邻和C4.5三种传统机器学习算法在MIT-BIH心律不齐数据上进行了验证分析。首先结合离散小波变换对信号进行了五尺度分解,然后在不同的尺度上提取了频域特征和香农熵特征。接着使用了信息增益法对信号的特征降维,得到更为有效的特征。最后将降维后的特征输入分类模型中,并使用十折交叉验证模型的分类效果。实验结果表明,随机森林取得了最好的分类效果,灵敏度为98.1%,特异性为99.5%,正确率为98.08%。(3)针对大样本心电数据,搭建了基于卷积神经网络的分类模型,并使用MIT-BIH心律不齐数据进行了验证。模型一共10层(一个输入层、4个卷积层、3个池化层、1个全连接层和一个输出层)。将整个数据库中的数据分为训练集和测试集,用卷积神经网络模型对训练集的数据分批训练,不断优化模型,最后用测试集的数据来进行模型的测试。测试集得到的灵敏度为99.45%,特异性为99.86%,正确率为99.78%。本算法能够很好的将信号分类,对心血管疾病的分析有一定的意义。
【学位单位】：济南大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R540.4;TN911.7
【部分图文】：

本文算法的流程如图 1.1 所示。图 1.1 本文算法流程图1.2.1 心电信号预处理心电信号作为一种生物电信号，反映了心脏在体表的活动情况。心电信号为低频信号，并且信号十分微弱，通常为 mV 量级。所以在采集过程中，心电信号很容易受到各种因素的干扰，例如工频干扰、呼吸干扰、肌电信号干扰以及其他设备的干扰等[6]。在对信号进行分析和处理时，很关键的一步就是预处理。预处理步骤的主要内容是对信号噪声的去除。信号噪声去除的方法主要是包括了三类：1）基于滤波器噪声去除；2）基于经验模态分解法（Empirical Mode Decomposition，EMD）的噪声去除；3）基于小波变换的噪声去除。基于滤波器的噪声去除主要依据噪声对应的频率响应来对噪声进行去除[7]。主要包括以下几种：移动平均滤波去噪、巴特沃斯低通滤波去噪、中值滤波去噪和 FIR 低通滤波去噪。关于经验模态分解法[8]，第一步把原始信号进行变换，把信号分解成有限个固有模态函数（Intrinsic Mode Function，IMF），随后重构分解后的固有模态函数，最后即可得到去噪后的信号。关于小波变换去噪方法，首先通过小波变换多尺度分解心电信号，并在信号重构时去除干扰信号，最后得到干净可用的信号[9]。因为小波变换对非平稳信号表现出了较好的处理能力

一个完整的心电波形

记录100的原始心电信号
【相似文献】

相关期刊论文 前10条

1 欧秀成;;慢性阻塞性肺疾病与心血管疾病相关性研究进展[J];按摩与康复医学;2015年08期

2 陈珍珍;侯国强;任佳君;齐超;费运微;王珺楠;;基因多态性与心血管疾病的相关性[J];国际老年医学杂志;2019年04期

3 王丹;杨漫沩;胡采红;方芳;;野外作业大学生心血管疾病事件危险因素的调查与预防[J];安全与环境工程;2019年06期

4 张伟;司冰心;曹艳杰;靳英;;老年常见心血管疾病的临床治疗分析[J];中国地方病防治杂志;2019年05期

5 王锐玲;路昶;;运动对心血管疾病的预防作用[J];山西体育科技;1998年02期

6 彭文;;不爱运动可能是基因作祟[J];百科知识;2019年31期

7 姜红峰;;心血管疾病有哪些危险因素[J];健康向导;2019年05期

8 张赫;;中药能治心血管疾病吗? 专家这样说[J];家庭医药.快乐养生;2019年11期

9 许晓晗;雒芳芳;;冬季预防心血管疾病的3个“三”[J];养生大世界;2019年12期

10 邵子涵;;超声波在心血管疾病诊断上的应用[J];保健文汇;2019年10期

相关博士学位论文 前10条

1 黄喆;中老年人心血管疾病部分危险因素的流行病学研究[D];天津医科大学;2017年

2 谷晓颖;中国成人血脂水平与心血管疾病关系的前瞻性研究及血脂非靶向代谢组学分析[D];北京协和医学院;2018年

3 马志刚;1239例CKD并发营养不良和心血管疾病的多中心调查及中药干预的实验研究[D];第一军医大学;2004年

4 柴惠;大蒜及人参提取物对心血管疾病抑制作用研究及非编码RNA与心血管疾病关系初探[D];浙江大学;2008年

5 郝光;睡眠和心血管疾病的关联研究[D];北京协和医学院;2015年

6 吴红梅;握力与心血管疾病的关联及其影响因素的分析[D];天津医科大学;2017年

7 刘彬;心电信号特征识别及其在心血管疾病诊断中的应用[D];吉林大学;2014年

8 张芸;北京地区社区人群同型半胱氨酸水平与心血管事件的相关性研究[D];中国人民解放军医学院;2015年

9 高锦雄;晚期糖基化终产物受体基因多态性与心血管疾病临床特征和预后的相关性研究[D];南方医科大学;2012年

10 郭志坚;晚期糖基化终产物修饰的蛋白质对人血管内皮细胞的病理生物学作用及其机制的研究[D];第一军医大学;2002年

相关硕士学位论文 前10条

1 王雅玲;PCSK9抑制剂在心血管疾病中的研究进展[D];重庆医科大学;2019年

2 龙腾飞;血浆金属水平与糖尿病并发心血管疾病的关联研究[D];华中科技大学;2019年

3 杨文文;基于EMR数据分析的心血管疾病风险评估模型研究[D];青岛科技大学;2019年

4 郭海龙;γ-谷氨酰转移酶与心血管疾病相关性研究[D];重庆医科大学;2019年

5 徐锦健;中国华东地区青少年血清维生素D营养状况与心血管疾病风险关系的研究[D];杭州师范大学;2019年

6 龙虹;阻塞性睡眠呼吸暂停低通气综合征患者的血同型半胱氨酸水平及其与心血管疾病的关系[D];南方医科大学;2019年

7 张宇微;面向心血管疾病识别的心电信号分类研究[D];济南大学;2019年

8 田文雪;多模态信息融合的心血管疾病预测方法研究[D];西安建筑科技大学;2017年

9 郭赛迪;基于LSTM的心血管疾病辅助诊断研究[D];郑州大学;2019年

10 李超;基于物联网的心血管疾病智能医护平台及服务模式设计[D];大连理工大学;2018年

本文编号：2858840