基于小波变换和神经网络的心律不齐分类方法研究

发布时间：2020-06-23 07:08

【摘要】：随着心脏病的发病率和死亡率逐年增高,心脏病已经严重威胁到人类身体健康,因而进行长时间的心脏状况监测对于心脏病患者来说显得至关重要。心律不齐是心脏病中较常见的疾病,对于心律不齐的监测也是不可缺少的。心电图(Electrocardiogram,ECG)分析是一种临床上最常见的监测手段,医生要在大量的监测数据中人工检测出病人所患的心脏病类型,会消耗大量的时间和医疗资源。而且当前的心律不齐自动分类算法存在特征不具有生理意义、样本数据少、不能充分利用数据等问题。针对这些问题,本文主要利用较多的心电信号样本数据完成去噪、特征提取、5种心律不齐疾病自动分类等方面的内容。论文主要工作如下:1.针对部分特征值不具有生理意义,不能辅助医生的做出诊断的问题,本文采用了自适应的离散小波变换,将心电信号中具有临床意义的相关心电信号特征都提取出来,构成特征矩阵,从而实现充分利用数据信息,达到较高的分类准确度的目的。2.针对全面特征提取的特征矩阵维度较高、数据样本少的问题,本文提出了采用主成分分析法在特征提取的基础上进行特征降维,将原始的高维特征矩阵转换为低维的特征矩阵,去除冗余信息,达到降低计算量、加快运算速度的目的。3.针对传统神经网络方法分类准确度不高,误差函数收敛速度慢的问题,本文提出的改进Levenberg-Marquardt算法在传统神经网络分类的基础上进行优化,使得改进后的神经网络在分类准确度有明显的提升,能够在MIT-BIH心律不齐数据库下实现常见的5种心律不齐疾病的自动分类,即正常心律、左束支传导阻滞、右束支传导阻滞、室性早搏、房性早搏,并且能够达到98%的准确度;同时,加快了误差函数的收敛速度。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;R541.73
【图文】：

心电信号传导路线图

典型心电图

【参考文献】

相关期刊论文 前10条

1 王行甫;赵旭峰;;BP网络中LM算法的分治法优化[J];小型微型计算机系统;2014年07期

2 李毅刚;王群山;宿燕岗;李京波;陆秋芬;孙健;张澎湃;王君;杨眉;柏瑾;黄冬;;室性心律失常和心脏性猝死的综合防治新方法[J];中华心血管病杂志;2014年02期

3 杨向林;严洪;许志;任兆瑞;宋晋忠;姚宇华;李延军;;基于Hilbert-Huang变换的ECG消噪[J];电子学报;2011年04期

4 刘娟;;心电图检查中的干扰现象分析及对策[J];医学信息(上旬刊);2010年10期

5 宋莉;孟庆建;张光玉;车琳琳;曹卫芳;;基于波形特征和SVM的心电信号自动分类方法研究[J];中国医学物理学杂志;2010年04期

6 毛玲;孙即祥;张国敏;;基于形态学运算和自适应阈值的心电信号消噪[J];信号处理;2009年01期

7 王自强;钱旭;孔敏;;流形学习算法综述[J];计算机工程与应用;2008年35期

8 史步海;朱学峰;;LMBP神经网络改进算法的研究[J];控制工程;2008年02期

9 张泾周;张光磊;戴冠中;;自适应算法与小波变换在心电信号滤波中的应用[J];生物医学工程学杂志;2006年05期

10 李炯城;黄汉雄;;一种新的快速BP神经网络算法——QLMBP[J];华南理工大学学报(自然科学版);2006年06期

相关博士学位论文 前1条

1 沈啸华;心脏自主神经系统对血管迷走反射性晕厥及血压心率调节的影响及其相关机制的研究[D];浙江大学;2014年

本文编号：2726976