基于RR间期与稀疏分解的房颤检测方法研究

发布时间：2017-12-20 10:00

  本文关键词：基于RR间期与稀疏分解的房颤检测方法研究　出处：《河北大学》2015年硕士论文　论文类型：学位论文

  更多相关文章： 房颤检测 RR 间期 直方图 稀疏分解 LS-SVM

【摘要】：随着人口老龄化的日益严重以及导致房颤发生的因素增多,房颤已成为我国乃至全球最为常见的心律失常。因此,及早地发现房颤,对减少病人的发病率和死亡率,以及减少经济上的负担都具有重要的临床和社会意义。目前,已有的房颤检测算法尚未妥善解决特征提取问题,所以房颤检测错误率仍较高。稀疏分解可以实现数据压缩的高效性,更重要的是可以利用字典的冗余特性捕捉信号内在的本质特征。本文利用稀疏分解这一优越性,将其应用于本文的房颤检测算法当中。RR间期绝对不规整是房颤发生时的一重要心电图特征,本文基于房颤的这一特点展开深入研究,设计了基于RR间期与稀疏分解的房颤自动检测算法。论文主要研究内容如下:(1)心电信号预处理。本文利用ΔRR间期直方图对正常和房颤两类原始心电信号进行预处理,使房颤RR间期分布特征更加明显。其中,直方图宽度值M选取101,是为了细分直方图,以增大分辨率,但为了使维数不增大,仅将直方图中有效的部分留下,去除多余的“0”值部分,将维数降至15维以提高整体的灵敏度。实验结果表明,这样做不仅准确率高,而且算法运行时间短。(2)稀疏分解在房颤检测算法中的应用。本文从预处理后的直方图数据中随机选取一定数量的样本进行原子库设计,在此基础上构造两个子类字典,分别是正常心电信号字典和房颤心电信号字典。分别求心电信号在两个字典上的稀疏表示,这样能够保留更多的信号特征。最后采用最小二乘支持向量机(LS-SVM)进行分类。经MIT-BIH房颤数据库验证,本文房颤检测算法的准确率、灵敏度和特异性分别达到了96.92%、97.93%和95.50%。实验结果表明,本文算法在房颤检测时达到了较高的准确率。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R541.75;TN911.7

【参考文献】

中国期刊全文数据库 前4条

1 刘浩;潘炜;;基于FHT的实信号稀疏分解快速算法[J];西南交通大学学报;2009年01期

2 王春光;刘金江;孙即祥;;基于稀疏分解和模糊理论的心电信号波形检测及识别[J];信号处理;2009年07期

3 戴呼合;姜守达;;基于ICA和小波变换的房颤F波提取算法[J];仪器仪表学报;2011年08期

4 黄从新;马长生;杨延宗;黄德嘉;张澍;江洪;杨新春;吴书林;马坚;刘少稳;李莉;曹克将;王方正;陈新;;心房颤动：目前的认识和治疗建议(二)[J];中华心律失常学杂志;2006年03期

中国硕士学位论文全文数据库 前1条

1 白家莲;动态心电信号分析系统设计[D];中南大学;2009年

，

本文编号：1311658