多尺度熵算法及其在心脏疾病判别中的应用研究
发布时间：2021-07-08 12:05
在生活节奏日益加快的今天,心血管疾病一直是一个影响人们健康的重要因素。心血管疾病的死亡率多年来均超过癌症,居所有疾病之首。尤其是在中国,随着人口老龄化的加深和生活条件的变好,心脏疾病的发病率一直呈现上升趋势。心电图是诊断心血管疾病的有力工具,它记录了心脏在跳动过程中电信号的变化,是心脏电生理活动在人体体表的综合表现。心电图包含了丰富的心脏功能和病理信息,能够直观准确地反映心脏的电活动特性和表现心脏的工作状态。但仅仅通过人工分析心电信号来诊断心脏疾病,不仅加大了医生的负担,对患者来说也并不方便。因此,心脏疾病的自动判别算法成为当前心电信号处理研究领域的一个热点。本文结合多尺度熵理论,深入研究心脏疾病的自动判别方法,将经验模态分解用于信号分析,支持向量机用于特征区分。以求高效率、高精度地区分出正常心电信号和患病心电信号。论文研究内容集中在以下两个方面。1针对心脏疾病种类繁多,病因复杂的问题,将研究范围限定在心房颤动、室性心律失常和充血性心衰这三种和心率变异性密切相关的心脏疾病上。使用非线性的心率变异性分析方法,寻找这三种心脏疾病的心电信号和健康人心电信号的区别。最后通过实验发现,这三种疾病...
【文章来源】：湖北工业大学湖北省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
房颤患者的心电信号室性心律失常是指起源于心室的一系列心律紊乱疾病统称，它包括室性早搏
?莸氖褂霉嬖蚝痛娲⒃?怼６?以诠偻?匣固峁┰谙叩牟ㄐ蜗允竞驮??数据展示，供使用者核对自己对数据文件的使用是否正确。综上，MIT-BIH心电数据库是一个开源且可靠的大型心电数据库，它的专业性、便捷的获取途径和清晰的使用方法使得它在心电数据研究者中大受欢迎。选择它不仅可以满足本文对心房颤动、充血性心衰和室性心律失常这三种心脏疾病心电数据的全部需求，也可以保证实验结果的严谨可靠。更重要的是，由于它的使用者十分众多，可以找到很多使用相同数据其它心脏疾病判别算法，从而保证对比结果的正确和严谨。图3.2MIT-BIH心电数据格式本文选择MIT-BIHAtrialFibrillationDatabase（afdb）作为房颤心电数据来源，该数据库共含有25个数据文件，每个数据文件记录的持续时间均为10小时，并包含两个ECG信号，每个信号以每秒250个样本的速度进行采样，分辨率为12位，精度为±10毫伏。本文随机选取其中的17个数据文件，并随机截取每个数据文件的每个ECG信号的1200000点(80分钟)作为实验使用的房颤数据来源，最后得到了34段数据。选择BIDMCCongestiveHeartFailureDatabase（chfdb）作为心衰心电数据来源，该数据库有15个数据文件，来源于15位患有严重心力衰竭患者（11位男性，年龄22至71岁，4位女性，年龄54至63岁）。每个数据文件记录的持续时间约为20小时，并且包含两个ECG信号，每个信号以每秒250个样本的速度进行采样，分辨率为12位，精度为±10毫伏。本文随机截取每个数据文件每个ECG信号的1200000点(80分钟)数据作为实验使用心衰数据来源，最后得到了30段数据。选择SpontaneousVentricularTachyarrhythmiaDatabase（svtdb）作为室性心律失常心电数据来源，该数据库包含135对RR间隔时间序列，来自于78位受试者。由于该数据库直接存储?
湖北工业大学硕士学位论文20图3.4微分、平方、移动窗口积分后的心电信号最后通过动态阈值标记，即使用两套阈值，采用对半检测，SPKI表示QRS复波的波峰幅值，NPKI表示非QRS波的波峰幅值，THRESHOLDI1是应用的第一组阈值，THRESHOLDI2是应用的第二组阈值。在进行R波标记时，首先使用较高的那组阈值，如果在一段时间内没有检测到R波波峰，就回溯到时间间隔开头，再使用较低的那组阈值。SPKI，NPKI，THRESHOLDI1和THRESHOLDI2在最开始有一个运行估计值，如果所检出的峰值大于THRESHOLDI1，该峰值被标记为信号峰值SPKI，否则该峰值被标记为噪声信号NPKI，阈值大小由下式更新：SPKI=0.125*PEAKI+0.875*SPKI（如果PEAKI是信号峰值）(3.5)NPKI=0.125*PEAKI+0.875*NPKI（如果PEAKI是噪声峰值）(3.6)THRESHOLDI1=NPKI+0.25(SPKI-NPKI)(3.7)THRESHOLDI2=0.5THRESHOLDI1(3.8)通过阈值标记后的峰值即为R波波峰。从MIT-BIH的房颤数据库中任意选择一条数据，经过数据预处理后的情况如下，图中的圆圈表示被识别为R波的波峰。图3.5预处理前后心电信号对比R波波形特征明显，一般是心电图每个心拍中的最高峰。通过图3.5可以发现经过预处理后的心电信号不仅更为平稳，而且每个心拍中的R波都被圆圈标记。这证
【参考文献】：
期刊论文
[1]基于模糊熵和集成学习的电动汽车充电需求预测[J]. 王毅,谷亿,丁壮,李松浓,万毅,胡晓锐. 电力系统自动化. 2020(03)
[2]心房颤动:目前的认识和治疗的建议-2018[J]. 黄从新,张澍,黄德嘉,华伟. 中国心脏起搏与心电生理杂志. 2018(04)
[3]《中国心血管病报告2017》要点解读[J]. 马丽媛,吴亚哲,王文,陈伟伟. 中国心血管杂志. 2018(01)
[4]人工神经网络在HRV分析中的应用研究[J]. 尚宇,张甜. 计算机技术与发展. 2017(09)
[5]室性心律失常中国专家共识[J]. 曹克将,陈明龙,江洪,姚焰,王祖禄,吴书林,杨新春,薛玉梅,李学斌,洪葵. 中国心脏起搏与心电生理杂志. 2016(04)
[6]《中国心力衰竭诊断和治疗指南2014》解读[J]. 王喆. 中国临床医生杂志. 2016(05)
[7]老年心血管病急症的构成特点分析[J]. 张新宇. 当代医学. 2015(18)
[8]基于EMD方法的心电信号带内噪声滤除[J]. 刘萌萌,王敏,熊慧,董锟,韩帅. 天津工业大学学报. 2014(04)
[9]心电学之父:Einthoven[J]. 郭继鸿. 中华心脏与心律电子杂志. 2014(03)
[10]心率变异性研究进展[J]. 洪必莹,何森,陈晓平. 华西医学. 2013(04)
博士论文
[1]基于卷积神经网络的心电信号检测和分类研究[D]. 项延德.浙江大学 2018
[2]可穿戴式系统心电信号压缩感知与心律失常分类研究[D]. 华晶.南昌大学 2018
[3]心电信号波形检测与心律失常分类研究[D]. 王利琴.河北工业大学 2015
[4]地震信号时频分析及其在储层含气性检测中的应用研究[D]. 薛雅娟.成都理工大学 2014
[5]HRV分析在心衰诊断和新生儿疼痛检测中的应用研究[D]. 曾超.中南大学 2014
[6]心电信号智能分析关键技术研究[D]. 姚成.吉林大学 2012
[7]心电波形检测与心率变异性分析方法研究[D]. 董红生.兰州理工大学 2012
[8]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
[9]基于EMD的机械振动分析与诊断方法研究[D]. 曹冲锋.浙江大学 2009
硕士论文
[1]基于最小二乘支持向量机的胎儿心电信号提取研究[D]. 胡锐.广东工业大学 2018
[2]心电信号神经网络分类算法研究[D]. 史航瑞.沈阳理工大学 2018
[3]基于数据挖掘的心脏疾病诊断研究[D]. 蔡楚华.福州大学 2017
[4]基于多尺度熵的常见心脏疾病特征研究[D]. 万永利.电子科技大学 2017
[5]基于EMD的心电信号去噪方法研究及实现验证[D]. 张磊磊.重庆邮电大学 2016
[6]心律失常自动识别算法的研究[D]. 王如想.山东大学 2013
[7]用于AED的恶性室性心律失常判别方法研究及系统控制软件设计初探[D]. 刘聪.复旦大学 2011
本文编号：3271532
【文章来源】：湖北工业大学湖北省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
房颤患者的心电信号室性心律失常是指起源于心室的一系列心律紊乱疾病统称，它包括室性早搏
?莸氖褂霉嬖蚝痛娲⒃?怼６?以诠偻?匣固峁┰谙叩牟ㄐ蜗允竞驮??数据展示，供使用者核对自己对数据文件的使用是否正确。综上，MIT-BIH心电数据库是一个开源且可靠的大型心电数据库，它的专业性、便捷的获取途径和清晰的使用方法使得它在心电数据研究者中大受欢迎。选择它不仅可以满足本文对心房颤动、充血性心衰和室性心律失常这三种心脏疾病心电数据的全部需求，也可以保证实验结果的严谨可靠。更重要的是，由于它的使用者十分众多，可以找到很多使用相同数据其它心脏疾病判别算法，从而保证对比结果的正确和严谨。图3.2MIT-BIH心电数据格式本文选择MIT-BIHAtrialFibrillationDatabase（afdb）作为房颤心电数据来源，该数据库共含有25个数据文件，每个数据文件记录的持续时间均为10小时，并包含两个ECG信号，每个信号以每秒250个样本的速度进行采样，分辨率为12位，精度为±10毫伏。本文随机选取其中的17个数据文件，并随机截取每个数据文件的每个ECG信号的1200000点(80分钟)作为实验使用的房颤数据来源，最后得到了34段数据。选择BIDMCCongestiveHeartFailureDatabase（chfdb）作为心衰心电数据来源，该数据库有15个数据文件，来源于15位患有严重心力衰竭患者（11位男性，年龄22至71岁，4位女性，年龄54至63岁）。每个数据文件记录的持续时间约为20小时，并且包含两个ECG信号，每个信号以每秒250个样本的速度进行采样，分辨率为12位，精度为±10毫伏。本文随机截取每个数据文件每个ECG信号的1200000点(80分钟)数据作为实验使用心衰数据来源，最后得到了30段数据。选择SpontaneousVentricularTachyarrhythmiaDatabase（svtdb）作为室性心律失常心电数据来源，该数据库包含135对RR间隔时间序列，来自于78位受试者。由于该数据库直接存储?
湖北工业大学硕士学位论文20图3.4微分、平方、移动窗口积分后的心电信号最后通过动态阈值标记，即使用两套阈值，采用对半检测，SPKI表示QRS复波的波峰幅值，NPKI表示非QRS波的波峰幅值，THRESHOLDI1是应用的第一组阈值，THRESHOLDI2是应用的第二组阈值。在进行R波标记时，首先使用较高的那组阈值，如果在一段时间内没有检测到R波波峰，就回溯到时间间隔开头，再使用较低的那组阈值。SPKI，NPKI，THRESHOLDI1和THRESHOLDI2在最开始有一个运行估计值，如果所检出的峰值大于THRESHOLDI1，该峰值被标记为信号峰值SPKI，否则该峰值被标记为噪声信号NPKI，阈值大小由下式更新：SPKI=0.125*PEAKI+0.875*SPKI（如果PEAKI是信号峰值）(3.5)NPKI=0.125*PEAKI+0.875*NPKI（如果PEAKI是噪声峰值）(3.6)THRESHOLDI1=NPKI+0.25(SPKI-NPKI)(3.7)THRESHOLDI2=0.5THRESHOLDI1(3.8)通过阈值标记后的峰值即为R波波峰。从MIT-BIH的房颤数据库中任意选择一条数据，经过数据预处理后的情况如下，图中的圆圈表示被识别为R波的波峰。图3.5预处理前后心电信号对比R波波形特征明显，一般是心电图每个心拍中的最高峰。通过图3.5可以发现经过预处理后的心电信号不仅更为平稳，而且每个心拍中的R波都被圆圈标记。这证
【参考文献】：
期刊论文
[1]基于模糊熵和集成学习的电动汽车充电需求预测[J]. 王毅,谷亿,丁壮,李松浓,万毅,胡晓锐. 电力系统自动化. 2020(03)
[2]心房颤动:目前的认识和治疗的建议-2018[J]. 黄从新,张澍,黄德嘉,华伟. 中国心脏起搏与心电生理杂志. 2018(04)
[3]《中国心血管病报告2017》要点解读[J]. 马丽媛,吴亚哲,王文,陈伟伟. 中国心血管杂志. 2018(01)
[4]人工神经网络在HRV分析中的应用研究[J]. 尚宇,张甜. 计算机技术与发展. 2017(09)
[5]室性心律失常中国专家共识[J]. 曹克将,陈明龙,江洪,姚焰,王祖禄,吴书林,杨新春,薛玉梅,李学斌,洪葵. 中国心脏起搏与心电生理杂志. 2016(04)
[6]《中国心力衰竭诊断和治疗指南2014》解读[J]. 王喆. 中国临床医生杂志. 2016(05)
[7]老年心血管病急症的构成特点分析[J]. 张新宇. 当代医学. 2015(18)
[8]基于EMD方法的心电信号带内噪声滤除[J]. 刘萌萌,王敏,熊慧,董锟,韩帅. 天津工业大学学报. 2014(04)
[9]心电学之父:Einthoven[J]. 郭继鸿. 中华心脏与心律电子杂志. 2014(03)
[10]心率变异性研究进展[J]. 洪必莹,何森,陈晓平. 华西医学. 2013(04)
博士论文
[1]基于卷积神经网络的心电信号检测和分类研究[D]. 项延德.浙江大学 2018
[2]可穿戴式系统心电信号压缩感知与心律失常分类研究[D]. 华晶.南昌大学 2018
[3]心电信号波形检测与心律失常分类研究[D]. 王利琴.河北工业大学 2015
[4]地震信号时频分析及其在储层含气性检测中的应用研究[D]. 薛雅娟.成都理工大学 2014
[5]HRV分析在心衰诊断和新生儿疼痛检测中的应用研究[D]. 曾超.中南大学 2014
[6]心电信号智能分析关键技术研究[D]. 姚成.吉林大学 2012
[7]心电波形检测与心率变异性分析方法研究[D]. 董红生.兰州理工大学 2012
[8]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
[9]基于EMD的机械振动分析与诊断方法研究[D]. 曹冲锋.浙江大学 2009
硕士论文
[1]基于最小二乘支持向量机的胎儿心电信号提取研究[D]. 胡锐.广东工业大学 2018
[2]心电信号神经网络分类算法研究[D]. 史航瑞.沈阳理工大学 2018
[3]基于数据挖掘的心脏疾病诊断研究[D]. 蔡楚华.福州大学 2017
[4]基于多尺度熵的常见心脏疾病特征研究[D]. 万永利.电子科技大学 2017
[5]基于EMD的心电信号去噪方法研究及实现验证[D]. 张磊磊.重庆邮电大学 2016
[6]心律失常自动识别算法的研究[D]. 王如想.山东大学 2013
[7]用于AED的恶性室性心律失常判别方法研究及系统控制软件设计初探[D]. 刘聪.复旦大学 2011
本文编号：3271532
本文链接：https://www.wllwen.com/shoufeilunwen/mpalunwen/3271532.html
最近更新
教材专著
