心电自动分析系统的研究

发布时间：2017-05-24 13:27

  本文关键词：心电自动分析系统的研究，由笔耕文化传播整理发布。

【摘要】： 心血管疾病是当今危害人类健康的主要疾病之一,心电图检查是临床上诊断心血管疾病的重要方法。心电图准确的自动分析与诊断对于心血管疾病的诊断起着关键作用。随着计算机技术、数字信号处理技术、人工智能等先进理论的发展,心电计算机自动分析技术的研究也不断向纵深发展。将心电自动分析技术用于动态心电图中,使用计算机对所记录的长达24小时的心电数据进行自动分析处理,可以大大减轻海量数据给医生带来的负担。 本研究总结了前人的成果,提出了一种医师经验与工程分析手段结合的研究模式。由于涉及的内容过多,实际研究采用了一种动态可扩展的框架。在现阶段的研究中,主要以模拟医师临床诊断经验为主,并结合工程上的数据分析手段进行部分病例的判别研究。 目前,本研究主要展开了以下几方面的工作: ①介绍一种以提升小波变换实现心电信号滤波处理的方法。原始心电信号中存在三种主要干扰:肌电干扰、基线漂移和工频干扰。该方法首先采用提升小波变换将原始心电信号分解为不同频段下的逼近信号和细节信号。其次根据心电信号的特征,用阈值滤波方法对细节信号进行处理,最后再用提升小波逆变换重建心电信号,就能实现心电信号中主要干扰的消除。 ②研究了基于下采样的心电特征点的标定。该方法首先对滤波后的心电信号进行下采样,使得心电数据量大大减少;其次在下采样的心电信号中利用幅值和一阶导数划分各个心拍及对每个心拍的P波、Q波、R波、S波、T波的识别;最后对下采样得到的各个特征点进行更新,从而完成心电特征点的标定。下采样检测算法基本不受采样频率的影响,幅值和一阶导数采用自适应阈值选择技术,并采用回溯技术对可能遗漏的R波进行再次检测,使得R波的识别能够达到较高的准确率,从而为后续的分析工作奠定了良好的基础。 ③研究了心律失常和波形分类的识别算法。该方法通过检测每个心拍中各个特征点之间的时间差和幅度差,以及与临近心拍之间的各个特征点的时间来确定心拍是否正常。对每类心律失常的波形进行相似性划分,使得众多心拍被划分为十几种不同特征的波形。该检测算法可以根据病人心电波形的自身特点来进行差异性参数阈值选择,并且能够达到满意的分类效果。 ④研究了嵌入式平台的构建。嵌入式系统可运行于多种硬件平台,可裁剪,性能优异,应用软件丰富,使用成本低,强大的网络功能,GUI(图形用户界而)开发支持和丰富的开发技术资源使得它在医疗软件开发中的地位越来越显著,嵌入式平台采用linux操作系统,linux系统源码开放,并且有个庞大的支持者群体,开发技术文档齐全,对于编写GUI程序提供了良好的开发平台。 ⑤编写了嵌入式心电自动分析软件。该软件采用qt开发编写的。软件包括病历库的管理,心电波形的显示,心电信号的滤波,特征点标注、心律失常分析、波形分类等功能。该软件可以处理不同采样频率的心电数据,一至十二通道的心电数据,并可局部放大心电信号供医师查看和编辑。同时软件对上述算法进行了直观的验证。
【关键词】：心电图 提升小波 阈值 QRS波检测 心律失常 波形检测
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH772.2
【目录】：

• 中文摘要3-5
• 英文摘要5-11
• 1 绪论11-21
• 1.1 引言11-12
• 1.2 心电信号的特点12-14
• 1.2.1 心电信号的形成12-13
• 1.2.2 常规心电图13-14
• 1.3 心电图自动分析系统的研发14-15
• 1.3.1 在医学科研上的意义14-15
• 1.3.2 在临床医疗上的作用15
• 1.3.3 在医学教学上的作用15
• 1.4 国内外现状综述15-19
• 1.4.1 心电自动分析技术的发展15-16
• 1.4.2 ECG 信号的滤波预处理16-17
• 1.4.3 ECG 信号的波形检测17-18
• 1.4.4 ECG 的分类识别及疾病诊断18-19
• 1.4.5 ECG 自动分析研究的难点19
• 1.5 本文主要内容及章节安排19-21
• 2 ECG 滤波预处理21-34
• 2.1 提升小波变换的基本理论21-27
• 2.1.1 提升算法21-24
• 2.1.2 提升算法的实现24-25
• 2.1.3 多项矩阵25-27
• 2.1.4 由滤波器系数得到提升实现27
• 2.2 ECG 信号的能量谱分析及其噪声特点27-29
• 2.3 提升小波和平滑滤波29-33
• 2.3.1 分解层数的确定30-31
• 2.3.2 平滑滤波阈值的确定31-32
• 2.3.3 实时性分析32-33
• 2.4 小结33-34
• 3 ECG 波形参数检测34-44
• 3.1 QRS 复合波检测面临的问题34-35
• 3.2 QRS 复合波检测算法回顾35-38
• 3.3 基于下采样的QRS 波检测38-42
• 3.3.1 心电信号的下采样39
• 3.3.2 阈值选择39-41
• 3.3.3 幅值斜率判断41
• 3.3.4 防漏检41
• 3.3.5 更新QRS 波41-42
• 3.4 实验与结果42-43
• 3.5 P 波、T 波检测及其它参数的检测43
• 3.6 小结43-44
• 4 心律失常识别和波形分类44-52
• 4.1 心律失常的分类和识别算法44-48
• 4.2 ECG 波形分类48-50
• 4.2.1 信号相似程度判别的理论依据49
• 4.2.2 心电数据的相似性判断49-50
• 4.3 实验与结果50-51
• 4.4 小结51-52
• 5 嵌入式系统及软件实现52-70
• 5.1 嵌入式系统简介52-54
• 5.2 嵌入式系统软件平台的搭建54-60
• 5.2.1 嵌入式系统平台介绍54-60
• 5.3 心电自动分析软件面临的问题及解决方案60-61
• 5.3.1 心电数据的滤波处理60
• 5.3.2 心电特征点检测60-61
• 5.4 软件功能描述61
• 5.5 软件的具体实现61-69
• 5.6 小结69-70
• 6 结论与展望70-72
• 6.1 结论70-71
• 6.2 展望71-72
• 致谢72-73
• 参考文献73-76
• 附录: 作者在攻读硕士学位期间发表的论文目录76

【引证文献】

中国硕士学位论文全文数据库 前4条

1 李贵娟;模糊聚类技术在心电波形分类中的应用研究[D];河北工程大学;2011年

2 白雪静;基于模糊神经网络心电信号的自动诊断[D];哈尔滨工业大学;2010年

3 陈兵兵;心电信号实时检测算法与应用研究[D];华中科技大学;2009年

4 杨明伟;基于ARM9的便携式远程多生理参数监护仪的研究[D];长春理工大学;2010年

  本文关键词：心电自动分析系统的研究，由笔耕文化传播整理发布。

，

本文编号：390951