基于支持向量机的房颤识别研究及常见心律失常监护系统模型设计与实现

发布时间：2020-10-31 14:35

　　 无论是便于携带的单导联心电采集设备,还是多导联的心电采集设备,采集到的心电信号均可能包含呼吸、运动和导联脱落等导致的噪声。心电伪差的出现会导致心电特征参数(如RR间期、QT段等)失真,引起基于心电图疾病诊断的误诊或漏诊。严重的心电伪差可能掩盖真实的心电信号,使得被掩盖的心电信号失去辅助诊断和监护心脏疾病的价值。因此,识别并去除心电伪差可以有效提高心电图质量。房颤是一种常见的心律失常疾病。随着城市化和社会老龄化速度的加快,其发病率不断增长。高效、准确的房颤自动识别方法是实现大规模房颤监护和管理的技术保障。为此,本文采用支持向量机(SVM)技术,开展了心电伪差和房颤识别方法研究,并在此基础上,开发了一套常见心律失常监护系统模型,为提高基于心电信号的多种心律失常早期判别与监测以及任何时间、任何地点的健康状态实时监护提供技术保障。具体研究内容如下:(1)基于支持向量机的多特征参数心电伪差识别研究。提取心电信号的第一主成分贡献率、R波幅值的标准差、模板匹配的相关系数、QRS波能量占比和样本熵等5个心电信号质量指标(SQI),并采用网格参数寻优方式的支持向量机算法,构建伪差和心电信号分类识别模型。将PhysioNet Challenge 2011、PhysioNet Challenge 2017、MIT-BIH Arrhythmia Database和Noise Stress Test Database 4个心电数据库的伪差数据和非伪差数据融合,构建了一个验证数据集,并采用10折交叉验证该模型的性能。实验结果表明,本文方法的敏感度、特异度、阳性预测率和准确率分别达到98.33%、98.14%、98.04%和98.24%,具有较强的心电伪差检测识别能力。(2)基于不均衡多分类支持向量机的房颤识别方法研究。首先从现有研究中收集房颤、非房颤、伪差和正常心电信号相关的134个候选特征。考虑到P波难以准确定位,因此去掉P波相关的24个特征。然后对剩下的110个候选特征做两两相关分析,再滤除相关系数大于0.9的冗余特征和复杂度较高的特征,形成一个有效特征集,用于房颤、非房颤、伪差和正常心电信号的分类识别。接着,通过分析各类样本数量的分布情况,设计一种不均衡四分类支持向量机,并与有效特征结合建立了一种识别房颤、非房颤心律失常、伪差和正常4类心电信号的方法。最后,采用PhysioNet Challenge 2017比赛提供的数据验证本文方法并与其他相关方法比较。实验结果表明,本文方法整体上获得了较好的性能。进一步,采用MIT心律失常数据库和MIT房颤数据库中的数据对本方法选择的有效特征进行验证。实验结果表明,本文方法在上述两个数据库上识别房颤的分数均达到0.97及以上,识别非房颤心律失常、伪差和正常的分数均达到0.9以上,在房颤辅助诊断和监测方面具有良好的应用前景。(3)房颤与非房颤心律失常监护系统模型设计与实现。根据房颤及其他心律失常监护与管理的真实需求,设计了一种基于心电信号的房颤与非房颤心律失常监护系统模型。采用心电信号获取模型模拟真实系统的数据采集过程,采用心电信号无线传输模型模拟各数据之间的传输过程,采用心电信号智能处理模型模拟真实系统的信号处理过程,采用心电信号显示模型模拟真实系统对判别结果的展示。测试结果表明,该模型功能全面、实时性和可操作性强、界面友好,使用方便,为实际应用提供了理论和技术保障。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH772
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 心电伪差识别研究现状现状
        1.2.2 房颤识别算法研究现状
        1.2.3 基于心电图的监护系统国内外研究现状
    1.3 本文的研究内容及创新点
    1.4 本文的结构安排
第二章 基于支持向量机的多特征参数心电伪差识别研究
    2.1 心电图与心电图伪差基本知识
        2.1.1 心电图基本知识
        2.1.2 ECG信号与伪差信号
    2.2 伪差信号识别方法设计
        2.2.1 提取识别伪差特征参数
        2.2.2 伪差识别算法
    2.3 实验结果与分析
        2.3.1 实验数据
        2.3.2 改进样本熵算法计算方法的性能与效率
        2.3.3 单一特征参数与组合特征参数识别能力比较
        2.3.4 与其他方法比较
    2.4 本章小结
第三章 基于不均衡多分类支持向量机的房颤识别方法研究
    3.1 引言
    3.2 房颤检测方法设计
        3.2.1 心电信号预处理
        3.2.2 候选特征提取
        3.2.3 有效特征提取
        3.2.4 分类
        3.2.5 分类性能评估
    3.3 实验结果与分析
        3.3.1 实验数据
        3.3.2 被提取的有效特征
        3.3.3 新方法性能与比较
    3.4 本章小结
第四章 房颤与非房颤心律失常监护系统模型设计与实现
    4.1 引言
    4.2 系统需求分析
    4.3 监护模型系统设计与实现
        4.3.1 心电信号获取模型
        4.3.2 心电信号无线传输模型
        4.3.3 心电信号智能处理模型
        4.3.4 心电信号结果显示模型
    4.4 监护模型系统测试与分析
        4.4.1 心电信号获取模型测试结果
        4.4.2 心电信号无线传输模型测试结果
        4.4.3 心电信号智能处理模型测试结果
        4.4.4 心电信号结果显示模型测试结果
    4.5 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 展望
致谢
参考文献
攻硕期间取得的研究成果

【参考文献】

相关期刊论文 前7条

1 周翔;黄丽雅;吴宏美;;一种基于工作站的心电监护系统的研究与软件设计[J];临床医学工程;2011年07期

2 杨宝峰;蔡本志;;心律失常发病机制研究进展[J];国际药学研究杂志;2010年02期

3 王恒迪;朱坚民;蔺利峰;梁丽;;洛伦兹散点图及其在房颤自动诊断中的应用[J];生物医学工程学杂志;2007年02期

4 朱伟芳;齐春;;一种实用的去基线漂移滤波算法[J];苏州大学学报(工科版);2006年01期

5 王兴玲,李占斌;基于网格搜索的支持向量机核函数参数的确定[J];中国海洋大学学报(自然科学版);2005年05期

6 苏丽,赵国良,李东明;心电信号QRS波群检测算法研究[J];哈尔滨工程大学学报;2005年04期

7 周洪建,吴小玲,李桂英;心电监护系统的设计[J];医疗卫生装备;2000年06期

相关博士学位论文 前1条

1 黄超;动态心电图中房颤自动检测算法研究及其临床应用[D];浙江大学;2013年

相关硕士学位论文 前4条

1 陈义;心电信号的异常心律分类算法研究[D];重庆大学;2016年

2 杨阳;基于单导联心电图的常见心律失常判断算法研究[D];电子科技大学;2016年

3 寇明春;心电信号质量评估方法研究[D];兰州理工大学;2014年

4 杜晓川;房颤T波末端定位方法研究[D];电子科技大学;2013年

本文编号：2864079