基于多特征提取与卷积神经网络的房颤检测算法研究

发布时间：2020-06-27 12:04

【摘要】：近年来,随着人口老龄化的日益严重,房颤的发病率逐年增加,由此而引发的并发症及心血管疾病严重威胁着人类的健康。因此,开发房颤检测系统,从而及早发现房颤并治疗,对减少危重病症发生率和死亡率具有重要的意义。目前,已有的房颤检测算法未能提取到鲁棒、判别性的特征且泛化能力较差。递归复杂网络和相干运算是两种高效的提取信号特征的方法,本文将这一优越性运用到房颤检测算法中。P波消失代之以连续不规则的f波这一特征更能反映房颤的本质特征,本文基于该心房活动特征进行研究,设计了基于多特征提取与卷积神经网络的房颤检测算法。论文的主要研究内容如下:(1)提出一种基于递归复杂网络和卷积神经网络的房颤检测算法。心房活动信号直接作为网络的输入具有不稳定性和鲁棒性差的缺点,通过提取底层特征可以解决这一问题。因此,本文利用递归矩阵将单心拍心房活动信号的内在特征表示出来,再利用卷积神经网络将获得的底层特征进行高层特征提取与分类。(2)提出一种基于相干运算与卷积神经网络的房颤检测算法。发生房颤时相邻心拍间有较大差异。因此,采用相干运算将相邻心房活动信号之间的一致性作为底层特征,再采用卷积神经网络对输入特征进行学习与分类。(3)采用决策级融合的方法,将上述两种算法进行融合得到一种基于多特征提取与卷积神经网络的房颤检测算法。递归矩阵所提取的底层特征是单个心拍内的,而相干谱的方法提取的底层特征是相邻心拍间的,将这两类特征进行融合更能全面展现房颤的特征。本文算法是完全独立于RR间期的,经MIT-BIH房颤数据库的验证,该算法具有较高的性能且泛化能力很强。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R541.75;TP183;O157.5
【图文】：

房颤,流行病学调查,年龄

1.1 课题研究的背景及意义房颤（Atrial Fibrillation，AF）又称心房颤动，它可以扰乱心脏的正常节律，是当今许多国家的主要心血管疾病挑战，其特点是心房活动不规则、发病率随年龄增长而增加以及随之而来的并发症，对人类的健康和生命带来严重的威胁[1]。根据资料统计，房颤这一疾病影响大约全世界总人口的 1.5%-2%。2010 年美国患有房颤的人高达 230 万并预计到 2030 年这一数字将达到 1600 万[2]。在我国，患有房颤的人已超千万，并且各个年龄段内男性发病率均高于女性[3]。房颤的发病率随着年龄的增长有增加的趋势，因此老年患者居多。1996 年美国 ATIRA 做了一项房颤流行病的调查，结果如图 1-1 所示，清楚地显示了房颤发病率与年龄及性别的关系：60 岁以下的人患有房颤的可能性均低于 1%，而 80 岁以上的老人发生房颤的可能性则要高于 7.2%，且每个年龄段男性发生房颤的危险性要高于女性。随着我国人口老龄化进程的加快，发生房颤的人数将越来越多，房颤也将逐步成为一种常见的医学问题。

心脏传导系统

房室结、房室束、前后结间束、左右房室束分支等构成，具有产生和传导冲动，并维持心脏节律性搏动的重要功能。图2-1 心脏传导系统的结构心脏是由心肌细胞组成，通过除极和复极的过程使细胞两侧电位发生变化，进而产生心电信号。心肌细胞膜是一种半透膜，对于人体中存在的钠、钾离子的通透性不同，每次只允许部分离子通过。当心肌细胞处于安静的状态时，膜外存在的是钠离子，表现为正电荷，膜内存在的是钾离子，表现为负电荷，内外电荷数目相等，细胞膜外电位高于细胞膜内，此时状态为极化状态。当心肌细胞受到足够的刺激，细胞膜外的钠离子大量涌入细胞膜内，此时细胞膜内外电荷发生变化，即细胞处于“外负内正”的除极状态。当心肌细胞除极之后，进入细胞内的钠离子又会移至心肌细胞膜外，膜内外的离子状态又恢复至“外正内负”的极化状态

【参考文献】