机器学习在心电数据分析中的研究和应用

发布时间：2020-10-14 09:35

　　 在全民健身广泛普及的今天,运动安全的话题也开始被人们普遍提及。无论是专业运动员还是普通群众,在运动后都需要对自身的身体状况有一个全面的了解,以确保不会出现运动过量导致的身体损伤。同样,监测身体状况能够为自己制定合适的训练计划,提高运动质量。在人体的各项生理指标中,心电指标是非常重要的一部分,由于心电数据异常容易导致猝死以及其他类型的心脏疾病,因此对心电数据的监测和异常类型分析就显得尤为重要。本文深入研究了心电信号异常类型检测技术及理论知识,并对异常检测过程中的相关步骤进行了优化,利用机器学习与信号分析相融合的方法实现对心电信号异常类型的自动检测。并将该算法集成于一个针对马拉松比赛中运动员身体状况监控及分析的管理系统。本文主要内容和创新点如下:1、本文采用小波分解法对信号进行去噪,由于噪声信号分布在不同的小波分解层中,因此本文采用组合阈值法对不同层小波系数进行去噪,提高去噪效果。2、对心电数据进行波形检测时,差分阈值法鲁棒性较低,容易受到噪声干扰,因此本文采用动态时间窗和动态阈值来改进差分阈值法,用以进行心拍分割,以降低错检率和漏检率。3、由于心电信号的频域特征难以表现其非线性特征,本文提出一种基于局部均值分解和样本熵相结合的方法用于提取心电信号的频域特征,并与时域特征结合组成样本的特征空间。4、本文采用支持向量机算法,基于上述特征空间对处理后的心电信号进行分类,并通过人工蜂群算法对支持向量机的参数进行迭代优化。最终将该算法集成入一套马拉松比赛管理系统中。
【学位单位】：北方工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP181;R540.4
【部分图文】：

一心电信号异常识别流程

临床中心电图的主要分析方法就是对心电波形的识别与分析。在一次心跳??过程中，正常心电图主要包括四个波形，分别是Ｐ波，ＱＲＳ波群，Ｔ波以及Ｕ??波。信号特征如图２－１所示。??Ｒ??Ｑ?Ｓ??图２－１心电信号波形图??不同波以及波之间的间期分别代表了电通过心脏不同部位时的具体反映。??不同波形分析如下：??Ｐ波：Ｐ波是心电周期内的第一个波，主要反映了心房发生激动的过程，一??般正常Ｐ波圆而钝，波幅较小，时长一般在０．０８ｓ到０．１２ｓ之间。??ＱＲＳ波群：ＱＲＳ波群是Ｐ波之后出现的一组幅度较为明显的波群，主要反??映了心室除极过程中的电位变化。ＱＲＳ波群主要由三个波组成，首先是向下的??Ｑ波，之后是波形向上，幅度较大，较为陡峭的Ｒ波，最后是一个向下的Ｓ波，??８??

小波变换的原理就是使用变换大小的宽度值代替短时傅立叶变换中的固定??窗口。但不同之处在于小波变换不使用窗口思想，而是用有限长度的小波基替??换傅立叶变换中无限长度的三角函数基，如图２－２所示。??ｍｍｍｍ??—备—??图２－２小波示意图??通过在获取频率的同时定位控制时间，可以在时域和频域中同时分析信号。??小波变换的公式如下：??ＷＴ（ａ，ｒ）?＝?－ｊ＝ｒ?（２－１）??ｙｊａ?Ｊ－°°?ａ??１０??
【相似文献】

相关期刊论文 前10条

1 刘尚明,潘燕,李桥,孟延,孙文红,张玉华,李新,戚焰,朱兴雷;基于虚拟仪器的12导同步心电数据库的建立[J];生物医学工程研究;2005年01期

2 李桥，邵庆余，王永，刘毅，周洪军;心电数据库生成系统[J];山东生物医学工程;1995年01期

3 郭迪;王树庆;王会如;;心电图心电数据库在心电行业应用中的研究[J];医疗装备;2017年11期

4 马继锋;胡兴茂;;基于云计算的区域卫勤一体化心电数据中心构建研究[J];华南国防医学杂志;2015年07期

5 向可;王成;;基于心电数据库的虚拟心电信号发生器设计[J];中国医疗设备;2009年05期

6 王茜;梁振士;方丕华;杨啸林;曹东芳;刘俊;李卫;王杨;杨红;张正国;孙京昇;;基于心电算法自动分析准确性评价的心电数据库[J];医疗装备;2016年17期

7 张跃;徐廷松;;单片机心电数据无损压缩方法研究与实现[J];医疗卫生装备;2008年02期

8 郭巧惠;杨永明;古良玲;;一种基于心电数据压缩的小波元选择方法[J];重庆大学学报(自然科学版);2006年10期

9 李鑫;向平;;嵌入式远程心电数据传输设计与实现[J];机械与电子;2007年06期

10 钱卫民,吴书林,詹贤章,邓春玉,阮小薇;经食管心脏电生理检查心电数据库的开发设计和临床价值[J];中国心血管病研究杂志;2005年10期

相关博士学位论文 前2条

1 樊小毛;动态心电心律失常智能检测方法及高性能计算研究[D];中国科学院大学(中国科学院深圳先进技术研究院);2018年

2 谢元芳;基于心电数据库的房颤自主神经调控研究[D];中国协和医科大学;2006年

相关硕士学位论文 前10条

1 何紫阳;基于神经网络的心电数据分类算法研究[D];郑州大学;2019年

2 张凯;机器学习在心电数据分析中的研究和应用[D];北方工业大学;2019年

3 吴琼琼;运动心电实时数据异常检测系统研究与应用[D];北方工业大学;2019年

4 马晓婷;社区医疗信息平台的研究与设计[D];西安工业大学;2018年

5 马克徐;一种基于ECG生物特征分类检测系统的研究与设计[D];华中科技大学;2017年

6 吴叶挺;面向十二导联心电工作站的技术设计[D];南京大学;2015年

7 姚金红;虚拟心电图诊室的设计与实现[D];中南民族大学;2016年

8 马志彬;面向移动医疗的心电数据实时共享系统设计与实现[D];浙江大学;2018年

9 孙景洋;基于心电数据的情绪分析和社交分享系统设计与实现[D];北京邮电大学;2018年

10 王玉辰;基于卷积神经网络的临床心电数据自动分析研究[D];郑州大学;2018年

本文编号：2840489