基于短时RR序列辅助诊断充血性心力衰竭
发布时间：2022-10-18 18:47
随着科学技术的提高,人们除了追求物质需求外,也越来越关心自身的健康。在诸多疾病中,心脏病严重威胁着人类的生命。本文以充血性心力衰竭（CHF,Congestive Heart Failure）为研究对象,其目的是基于短时（500个连续心跳间隔）RR序列,采用人工智能分类算法构建一个可供临床应用的充血性心力衰竭诊断模型。本研究的主要工作如下:（1）构建了充血性心力衰竭和正常RR序列数据集。从公共数据库Physionet中下载记录时长为24小时的116个RR序列,包括72名健康被试和44名充血性心力衰竭患者。去除每个长期RR序列中的异常搏动间隔,并且以500个连续心跳间隔截取多个短时RR序列片段构成两类数据集,即非平衡数据集和平衡数据集。（2）提取了反映充血性心力衰竭自主神经活动的生理特征集合,并选出其中的关键特征子集。本研究提取了10个时域特征、8个频域特征、10个时-频域特征以及7个非线性复杂度特征,构成35维的特征空间。为了提高模型的泛化性能且降低运算时长,本研究采用序列前向选择算法来降低特征空间的维度。（3）探索了数据集平衡度和验证方式对充血性心力衰竭诊断模型稳定性和泛化性的影响。本...
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本研究的主要内容及创新点
1.4 章节安排
1.5 本章小结
第二章 心电基础和数据预处理
2.1 心电信号的产生和形态
2.1.1 心电信号的产生
2.1.2 心电信号的形态
2.2 从心电信号中提取RR序列
2.2.1 基于小波理论去基线漂移
2.2.2 定位R波峰
2.2.3 计算心跳间隔
2.3 数据来源及预处理
2.3.1 数据来源
2.3.2 数据预处理
2.4 本章小结
第三章 HRV信号的特征提取
3.1 提取线性特征
3.1.1 简单时域HRV特征
3.1.2 基于Lomb-Scargle功率谱的频域HRV特征
3.1.3 基于小波理论的时-频域特征
3.2 提取非线性特征
3.2.1 庞加莱图分析
3.2.2 去趋势波动分析
3.2.3 熵值分析
3.3 归一化特征
3.4 本章小结
第四章 模型构建及结果分析
4.1 基于分类器的序列前向选择算法
4.2 经典分类算法
4.3 构建充血性心力衰竭诊断模型
4.3.1 基于十折交叉验证的模型构建
4.3.2 基于交叉被试验证的模型构建
4.4 结果分析
4.4.1 分析模型性能的影响因素
4.4.2 相关研究对比
4.4.3 从生理学角度分析心衰患者的各指标异常原因
4.5 本章小结
第五章 总结和展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士期间已发表的学术论文
攻读硕士期间参加的科研项目
【参考文献】：
期刊论文
[1]《中国心血管病报告2018》概要[J]. 胡盛寿,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,陈伟伟. 中国循环杂志. 2019(03)
[2]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[3]黄宛临床心电图学[J]. 中国医刊. 2009(11)
[4]慢性心力衰竭诊断治疗指南[J]. 中华心血管病杂志. 2007(12)
[5]基于RBF核函数的支持向量机参数选择[J]. 林升梁,刘志. 浙江工业大学学报. 2007(02)
[6]特征选择算法研究综述[J]. 毛勇,周晓波,夏铮,尹征,孙优贤. 模式识别与人工智能. 2007(02)
[7]特征选择方法综述[J]. 王娟,慈林林,姚康泽. 计算机工程与科学. 2005(12)
[8]支持向量机在模式识别中的核函数特性分析[J]. 李盼池,许少华. 计算机工程与设计. 2005(02)
[9]心力衰竭诊断与治疗研究进展[J]. 戴闺柱. 中华心血管病杂志. 2003(09)
[10]12导联心电图P波检测算法[J]. 杨海威,詹永麒,胡伟国,夏恒超,闫润强,张永红. 北京生物医学工程. 2002(02)
博士论文
[1]基于生理信号的情感识别方法研究[D]. 温万惠.西南大学 2010
[2]动态心电自动分析中QRS复合波检测算法研究[D]. 陈永利.浙江大学 2006
硕士论文
[1]基于心率变异性的心衰诊断模型研究[D]. 王岩.山东大学 2018
[2]用小睡缓解疲劳的自主神经机制研究[D]. 谢家兰.西南大学 2018
[3]运动干扰焦虑实时检测的自主神经机制研究[D]. 刘泓.西南大学 2018
[4]压力累积效应的心跳模式分析与异常检测[D]. 张杰.西南大学 2018
[5]心电RR间期谱用于社交焦虑情感识别的研究[D]. 黄文金.西南大学 2015
[6]基于小波变换实现心电信号噪声最优处理[D]. 何浩书.湖南大学 2014
本文编号：3692856
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本研究的主要内容及创新点
1.4 章节安排
1.5 本章小结
第二章 心电基础和数据预处理
2.1 心电信号的产生和形态
2.1.1 心电信号的产生
2.1.2 心电信号的形态
2.2 从心电信号中提取RR序列
2.2.1 基于小波理论去基线漂移
2.2.2 定位R波峰
2.2.3 计算心跳间隔
2.3 数据来源及预处理
2.3.1 数据来源
2.3.2 数据预处理
2.4 本章小结
第三章 HRV信号的特征提取
3.1 提取线性特征
3.1.1 简单时域HRV特征
3.1.2 基于Lomb-Scargle功率谱的频域HRV特征
3.1.3 基于小波理论的时-频域特征
3.2 提取非线性特征
3.2.1 庞加莱图分析
3.2.2 去趋势波动分析
3.2.3 熵值分析
3.3 归一化特征
3.4 本章小结
第四章 模型构建及结果分析
4.1 基于分类器的序列前向选择算法
4.2 经典分类算法
4.3 构建充血性心力衰竭诊断模型
4.3.1 基于十折交叉验证的模型构建
4.3.2 基于交叉被试验证的模型构建
4.4 结果分析
4.4.1 分析模型性能的影响因素
4.4.2 相关研究对比
4.4.3 从生理学角度分析心衰患者的各指标异常原因
4.5 本章小结
第五章 总结和展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士期间已发表的学术论文
攻读硕士期间参加的科研项目
【参考文献】：
期刊论文
[1]《中国心血管病报告2018》概要[J]. 胡盛寿,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,陈伟伟. 中国循环杂志. 2019(03)
[2]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[3]黄宛临床心电图学[J]. 中国医刊. 2009(11)
[4]慢性心力衰竭诊断治疗指南[J]. 中华心血管病杂志. 2007(12)
[5]基于RBF核函数的支持向量机参数选择[J]. 林升梁,刘志. 浙江工业大学学报. 2007(02)
[6]特征选择算法研究综述[J]. 毛勇,周晓波,夏铮,尹征,孙优贤. 模式识别与人工智能. 2007(02)
[7]特征选择方法综述[J]. 王娟,慈林林,姚康泽. 计算机工程与科学. 2005(12)
[8]支持向量机在模式识别中的核函数特性分析[J]. 李盼池,许少华. 计算机工程与设计. 2005(02)
[9]心力衰竭诊断与治疗研究进展[J]. 戴闺柱. 中华心血管病杂志. 2003(09)
[10]12导联心电图P波检测算法[J]. 杨海威,詹永麒,胡伟国,夏恒超,闫润强,张永红. 北京生物医学工程. 2002(02)
博士论文
[1]基于生理信号的情感识别方法研究[D]. 温万惠.西南大学 2010
[2]动态心电自动分析中QRS复合波检测算法研究[D]. 陈永利.浙江大学 2006
硕士论文
[1]基于心率变异性的心衰诊断模型研究[D]. 王岩.山东大学 2018
[2]用小睡缓解疲劳的自主神经机制研究[D]. 谢家兰.西南大学 2018
[3]运动干扰焦虑实时检测的自主神经机制研究[D]. 刘泓.西南大学 2018
[4]压力累积效应的心跳模式分析与异常检测[D]. 张杰.西南大学 2018
[5]心电RR间期谱用于社交焦虑情感识别的研究[D]. 黄文金.西南大学 2015
[6]基于小波变换实现心电信号噪声最优处理[D]. 何浩书.湖南大学 2014
本文编号：3692856
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3692856.html
