基于舒张期心音分析的冠脉狭窄智能诊断算法研究

发布时间：2020-12-09 12:58

　　冠心病是常见的心脏疾病之一,大多是由冠状动脉器质性狭窄或阻塞引起的心肌机能障碍和器质性病变,严重危害着人类的健康,早诊断、早治疗是其防治的关键。当心脏冠脉早期狭窄时,患者一般未有痛感或者心电图检测未出现异常,因此研究一种能够检测出早期冠脉狭窄的算法非常重要。心音综合反映了心脏和心血管系统机械运动状况,反映了心脏各个部分及相互作用的生理、病理信息。由冠脉血液湍流导致的心脏舒张期杂音,蕴含着冠心病的病理特征。因此,舒张期心音信号的分析和研究对冠心病的智能诊断具有重要意义。本文主要研究了基于舒张期心音分析的冠脉狭窄智能诊断算法。通过分析舒张期心音信号的时频域特性与冠脉狭窄现象的关系,提出了基于多频率阈值下边际能量和希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)的舒张期心音特征提取算法,构建了适于小样本的支持向量机,利用临床采集的心音信号,实现了冠脉堵塞的智能诊断,获得较好的诊断效果。本文的主要研究内容是:(1)阐述了基于心音分析的心脏疾病智能诊断的背景,分析了国内外学者对心音诊断技术的研究成果以及未来的发展趋势。(2)阐述了有关心音信号的基本特性,... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

动脉粥样硬化示意图

【参考文献】：
期刊论文
[1]《中国心血管病报告2015》概要[J]. 陈伟伟,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,蒋立新,胡盛寿.  中国循环杂志. 2016(06)
[2]心音采集电子综合实验项目设计与实现[J]. 周立青,胡爽,瞿修远,陈小桥,王琦.  实验室研究与探索. 2015(02)
[3]基于改进的希尔伯特振动分解的机械故障诊断方法研究[J]. 唐贵基,庞彬.  振动与冲击. 2015(03)
[4]基于EMD的VaR估计方法及实证研究[J]. 李合龙,杨志.  统计与决策. 2015(01)
[5]便携心电传感器的心房肥大诊断研究[J]. 陶泳任,陈冠雄,沈海斌.  传感器与微系统. 2014(09)
[6]基于主元分析的桥梁挠度传感器故障诊断研究[J]. 胡顺仁,李瑞平,包明,张建科.  传感器与微系统. 2014(06)
[7]RBF-SVM的核参数选择方法及其在故障诊断中的应用[J]. 周绍磊,廖剑,史贤俊.  电子测量与仪器学报. 2014(03)
[8]基于ARM9和CPLD的四导心音采集显示系统的设计[J]. 刘洋,王海滨,赵红,邵丹,张凯.  电子技术应用. 2013(12)
[9]车辆道路载荷谱的Hilbert边际谱分析方法及应用[J]. 李建康,周宏月,宋向荣.  汽车技术. 2013(10)
[10]KNN分类算法改进研究进展[J]. 奉国和,吴敬学.  图书情报工作. 2012(21)

博士论文
[1]滚动轴承振动信号特征提取及诊断方法研究[D]. 朱可恒.大连理工大学 2013
[2]朴素贝叶斯分类器及其改进算法研究[D]. 蒋良孝.中国地质大学 2009
[3]基于舒张期心音信号分析与特征提取的冠心病无损诊断研究[D]. 赵治栋.浙江大学 2004

硕士论文
[1]基于小波包分解的复杂心音信号分段定位与特征提取研究[D]. 马莉.云南大学 2015
[2]多位置融合心音身份识别技术研究及系统实现[D]. 李静佳.杭州电子科技大学 2015
[3]心音信号特征分析与识别方法研究[D]. 叶岑.江西理工大学 2014
[4]心音心电采集系统设计与信号处理研究[D]. 黄政钦.云南大学 2014
[5]基于SVM的人工林地力评价研究与实现[D]. 章景.中南林业科技大学 2013
[6]心音信号去噪及特征值提取的研究[D]. 韩立喜.长春理工大学 2013
[7]心音信号特征分析及其在辅助诊断中的价值[D]. 周酥.华南理工大学 2012
[8]舒张期心音信号在冠心病诊断中的研究与应用[D]. 解倩倩.内蒙古大学 2011
[9]心音信号的分析方法研究[D]. 屠志海.华东师范大学 2011
[10]K-均值聚类算法研究[D]. 蒋帅.陕西师范大学 2010



本文编号：2906896