基于数据驱动的心房颤动检测方法研究

发布时间：2021-01-08 10:13

　　随着人口老龄化,近年来心脏病的发病率持续增高,严重威胁着全球范围内人们的健康。心房颤动（Atrial Fibrillation,AF）作为心脏病中最普遍的一种病症,通常被简称为房颤,是临床上常见的持续性心律失常。而房颤引起的脑卒中、心功能恶化却是病人致残、致死的重要原因。传统的房颤检测方法中,最常用的就是通过Holter进行心电图（Electrocardiography,ECG）采集、再由医生进行判断。但由于Holter在检测时间方面的局限性,很容易造成“检测时未发病、发病时未检测”的漏检情况。光电容积脉搏波描记法（Photoplethysmography,PPG）具有无创检测、性能稳定、安全可靠、适应性强等诸多优点,同时结合近年来兴起的便携式可穿戴设备,使得利用PPG技术采集房颤信号、再通过数据驱动方法实现房颤检测具有十分重要的意义。有鉴于此,本文采用小波分解与数据驱动方法相结合,深入开展了基于数据驱动的房颤检测方法研究工作。第一,分析基于数据驱动房颤检测方法的研究现状,总结基于PPG技术的数据驱动房颤检测方法相对于传统基于ECG技术的数据驱动房颤检测方法的优势,以及该研究领域内尚未... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：145 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和与意义
    1.2 研究的现状与存在的问题
    1.3 与本文相关的数据驱动方法研究背景
        1.3.1 基于支持向量机的数据驱动检测方法
        1.3.2 基于主成分分析的数据驱动检测方法
        1.3.3 基于局部加权投影回归的数据驱动检测方法
    1.4 本文的主要研究内容和章节安排
第2章 基于多级小波分解的支持向量机房颤检测方法
    2.1 引言
    2.2 基于小波变换多解析度分析的频域特征提取
        2.2.1 离散小波变换
        2.2.2 多解析度分析
    2.3 基于支持向量机的房颤检测方法
        2.3.1 主成分分析-支持向量机
        2.3.2 基于支持向量机递归特征消除的房颤检测方法
    2.4 本章小结
第3章 基于线性多元统计分析的房颤检测方法
    3.1 引言
    3.2 基于双统计量的线性多元统计分析检测方法
        3.2.1 动态主成分分析
        3.2.2 改进型独立成分分析
    3.3 基于合并统计量的线性多元统计分析检测方法
        3.3.1 合并统计量主成分分析
        3.3.2 合成主成分分析
    3.4 改进型主成分分析房颤检测方法
        3.4.1 广义似然比算法
        3.4.2 可替代的测试统计量
    3.5 本章小结
第4章 基于非线性多元统计分析的房颤检测方法
    4.1 引言
    4.2 基于核偏最小二乘法的检测方法
    4.3 基于核主成分分析的检测方法
    4.4 基于局部加权投影回归的房颤检测方法
        4.4.1 局部加权投影回归
        4.4.2 局部加权投影回归-改进型主成分分析房颤检测方法
    4.5 本章小结
第5章 基于数据驱动的房颤检测实验研究
    5.1 引言
    5.2 数据采集所用设备及PPG信号介绍
    5.3 基于多级小波分解的支持向量机房颤检测实验
        5.3.1 多级小波分解最优参数选择
        5.3.2 时、频域特征对房颤检测的影响分析
        5.3.3 基于所提出房颤检测方法的硬件设备性能优化
    5.4 基于线性多元统计分析的房颤检测实验
    5.5 基于非线性多元统计分析的房颤检测实验
    5.6 本章小结
结论
参考文献
附录A 本文涉及的英文缩写及其对应的释义
攻读博士学位期间发表的论文及其他成果
致谢
个人简历



本文编号：2964410