基于稀疏特性和机器学习的ECG信号处理技术研究

发布时间：2021-03-06 10:02

　　随着社会生活压力增加与社会人口老龄化加剧,我国心血管疾病患病人数逐年增加,且致死率居高不下。心血管疾病已经成为影响我国人民健康的高发型疾病,不但使患者承受巨大的身心痛苦,也给我国社会带来沉重的经济负担。心电图ECG（Electrocardiogram）作为心脏电活动的反映,可以无创且实时地记录和体现心脏的功能与状态,是心血管疾病诊断的主要依据,在临床中具有重要的地位与作用。然而,心电信号本身是一种极其微弱的电生理信号,在采集的过程中极易受到各种外界噪音和干扰的影响。为了保障心电信号采集的质量,实现更加准确的观察与疾病诊断,需要对其进行降噪处理和特征提取。在此背景之下,本文按照“理论分析→信号降噪→波形检测”的研究思路,从心电信号本质特征入手,立足于心血管疾病实际诊疗需求,针对传统降噪方法丢失心电信号细节信息以及特征提取方法过度依赖人工特征选取等问题,研究了基于稀疏信号处理的心电信号降噪技术和基于机器学习的心电信号特征提取技术。本文主要的创新体现在如下四个方面:（1）针对心电信号噪音干扰问题,利用心电信号本身具有的稀疏性,将信号建模为低通分量、稀疏分量与噪音分量之和,提出了一种联合低通滤... 

【文章来源】：齐鲁工业大学山东省

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

心脏传导体系示意图

齐鲁工业大学硕士学位论文111()3LAWCTRAWCTLLWCTWCTLARALLLeadVLVVLeadVRVVLeadVFVVVVVV====++（2.2）后来，E.Goldberger进行了创新，发展出了加压肢体导联，在图2.2(c)中大致展示了其改进的思路。相比单极肢体导联而言，通过此种连接方式采集到的心电信号电压可以实现近50%的加强，加压单极肢体导联的命名也由此而来[61]。图2.2导联连接示意图在医学临床诊断中仅仅使用以上肢体导联（I、II、III、aVR、aVL、aVF）作为判断标准是不充分的，还需要加入6个胸部导联，分别是V1、V2、V3、V4、V5、V6，这样一起构成了标准12导联体系。这六条导联放置的电极位置主要集中在心脏周围，所以通过胸部导联能够采集到高幅值的心电信号，非常有利于后续的分析诊断。胸导导联位置如图2.3所示：图2.3胸导位置示意图

齐鲁工业大学硕士学位论文111()3LAWCTRAWCTLLWCTWCTLARALLLeadVLVVLeadVRVVLeadVFVVVVVV====++（2.2）后来，E.Goldberger进行了创新，发展出了加压肢体导联，在图2.2(c)中大致展示了其改进的思路。相比单极肢体导联而言，通过此种连接方式采集到的心电信号电压可以实现近50%的加强，加压单极肢体导联的命名也由此而来[61]。图2.2导联连接示意图在医学临床诊断中仅仅使用以上肢体导联（I、II、III、aVR、aVL、aVF）作为判断标准是不充分的，还需要加入6个胸部导联，分别是V1、V2、V3、V4、V5、V6，这样一起构成了标准12导联体系。这六条导联放置的电极位置主要集中在心脏周围，所以通过胸部导联能够采集到高幅值的心电信号，非常有利于后续的分析诊断。胸导导联位置如图2.3所示：图2.3胸导位置示意图

【参考文献】：
期刊论文
[1]一种ECG信号肌电干扰去除方法的研究[J]. 王晓花,徐学军,何秋娅.  智能计算机与应用. 2015(01)
[2]心电图技术发展的历史回顾[J]. 方祖祥.  上海生物医学工程. 1995(04)

博士论文
[1]Holter系统中运动伪差自动识别的关键技术及算法研究[D]. 涂岳文.浙江大学 2013

硕士论文
[1]心电信号自动检测与诊断方法的研究[D]. 韩君泽.哈尔滨工业大学 2013



本文编号：3066898