心电信号特征提
发布时间:2024-06-02 19:16
心血管疾病已经成为全球范围内非传播性疾病死亡的第一位原因,居所有疾病之首。尤其是进入21世纪以来,全球人口特别是老龄化人口持续增加,心血管医疗费用快速增长,医疗资源相对紧缺且分布不平衡,我国心血管疾病发病率、死亡率持续增高。日常心电监护是实现心血管疾病早期检测与预防的有效手段,为心血管疾病早发现、早治疗提供了可行的技术途径。基于人体无线传感器网络技术构建的新型移动心血管监护体系能够捕捉罕见的瞬时致病心拍并加以分析处理,再将处理结果反馈至病患、医生和家属,实现远程心血管监护、医疗和保健。但日常心电监护要得到真正实现,在干性电极、信号感知、典型波识别、特征提取、心拍分类等方面依然存在巨大挑战。论文针对心电监护领域存在的问题,从“感知”、“表征”和“识别”为切入点,开展了干性和湿性电极信号同步采集与质量对比评估、自适应R波定位、低维度特征提取、异常心拍分类与识别等方面的研究。论文重点工作内容包括:(1)心电信号采集与信号质量对比评估,以验证AgNW电极应用于临床信号感知的性能;(2)快速自适应的心电信号R波检测算法,为后续特征提取提供准确的R波参考基线;(3)基于小波变换和稀疏表示的低维心电...
【文章页数】:134 页
【学位级别】:博士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 日常心电监护系统
1.2.1 研究现状
1.2.2 关键技术
1.2.3 存在的问题与研究方向
1.3 论文内容、结构、目标及意义
1.3.1 研究内容
1.3.2 论文结构
1.3.3 研究目标及意义
第二章 基于AgNW干性电极的心电信号采集与信号质量对比
2.1 干性电极发展现状
2.2 心电信号采集方案设计
2.2.1 信号采集方案
2.2.2 AgNW干性电极设计
2.2.3 电极皮肤阻抗
2.3 信号质量对比评估指标
2.3.1 信号质量指标
2.3.2 心率变异性分析
2.3.3 互相关系数
2.4 对比评估结果与讨论
2.4.1 心电波形及RR间期
2.4.2 信号质量对比评估结果与分析
2.4.3 心率变异性对比评估结果与分析
2.5 本章小结
第三章 快速自适应的心电信号R波检测算法
3.1 R波检测算法研究背景
3.2 快速自适应R波检测算法方案
3.2.1 小波多分辨率分析去噪与信号增强
3.2.2 信号镜像
3.2.3 局部最大值检测及阈值初始化
3.2.4 双阈值处理
3.3 实验结果与讨论
3.3.1 数据源及算法评估指标
3.3.2 双阈值系数Kamp、Ktime及 R波定位
3.3.3 时间消耗及时间复杂度
3.3.4 算法缺陷
3.4 本章小结
第四章 基于小波变换和稀疏表示的低维心电特征提取
4.1 心电信号特征提取理论及降维方法
4.2 心拍截取
4.3 低维小波系数特征
4.3.1 原始小波系数
4.3.2 低维小波系数
4.4 低稀疏度稀疏原子特征
4.5 本章小结
第五章 基于小波特征、稀疏原子特征和机器学习的早搏心拍分类
5.1 早搏检测方法研究
5.2 早搏识别方案
5.2.1 支持向量机多分类模型
5.2.2 分类方案及十折投票决策
5.3 分类评估指标
5.4 基于低维小波特征对早搏的分类
5.4.1 不同小波系数维度的分类结果
5.4.2 分类结果
5.5 基于低稀疏度稀疏原子特征对早搏的分类
5.5.1 不同稀疏原子稀疏度的分类结果
5.5.2 分类结果
5.6 结果分析与讨论
5.7 本章小结
第六章 总结和展望
6.1 总结
6.2 论文创新点
6.3 展望
致谢
参考文献
附录
攻读博士学位期间的学术成果
本文编号:3987666
【文章页数】:134 页
【学位级别】:博士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 日常心电监护系统
1.2.1 研究现状
1.2.2 关键技术
1.2.3 存在的问题与研究方向
1.3 论文内容、结构、目标及意义
1.3.1 研究内容
1.3.2 论文结构
1.3.3 研究目标及意义
第二章 基于AgNW干性电极的心电信号采集与信号质量对比
2.1 干性电极发展现状
2.2 心电信号采集方案设计
2.2.1 信号采集方案
2.2.2 AgNW干性电极设计
2.2.3 电极皮肤阻抗
2.3 信号质量对比评估指标
2.3.1 信号质量指标
2.3.2 心率变异性分析
2.3.3 互相关系数
2.4 对比评估结果与讨论
2.4.1 心电波形及RR间期
2.4.2 信号质量对比评估结果与分析
2.4.3 心率变异性对比评估结果与分析
2.5 本章小结
第三章 快速自适应的心电信号R波检测算法
3.1 R波检测算法研究背景
3.2 快速自适应R波检测算法方案
3.2.1 小波多分辨率分析去噪与信号增强
3.2.2 信号镜像
3.2.3 局部最大值检测及阈值初始化
3.2.4 双阈值处理
3.3 实验结果与讨论
3.3.1 数据源及算法评估指标
3.3.2 双阈值系数Kamp、Ktime及 R波定位
3.3.3 时间消耗及时间复杂度
3.3.4 算法缺陷
3.4 本章小结
第四章 基于小波变换和稀疏表示的低维心电特征提取
4.1 心电信号特征提取理论及降维方法
4.2 心拍截取
4.3 低维小波系数特征
4.3.1 原始小波系数
4.3.2 低维小波系数
4.4 低稀疏度稀疏原子特征
4.5 本章小结
第五章 基于小波特征、稀疏原子特征和机器学习的早搏心拍分类
5.1 早搏检测方法研究
5.2 早搏识别方案
5.2.1 支持向量机多分类模型
5.2.2 分类方案及十折投票决策
5.3 分类评估指标
5.4 基于低维小波特征对早搏的分类
5.4.1 不同小波系数维度的分类结果
5.4.2 分类结果
5.5 基于低稀疏度稀疏原子特征对早搏的分类
5.5.1 不同稀疏原子稀疏度的分类结果
5.5.2 分类结果
5.6 结果分析与讨论
5.7 本章小结
第六章 总结和展望
6.1 总结
6.2 论文创新点
6.3 展望
致谢
参考文献
附录
攻读博士学位期间的学术成果
本文编号:3987666
本文链接:https://www.wllwen.com/shoufeilunwen/yxlbs/3987666.html
教材专著