基于ECG的心律失常特征提取及分类算法的研究

发布时间：2021-07-16 09:38

　　近年来,心血管疾病发病率逐年升高,并且呈现出较高的死亡率。心血管疾病患者早期发病时常常伴随着心律失常症状,因此早期检测心律失常对提前预防心血管疾病,及早介入治疗具有至关重要的意义。心律失常类型的分类技术一直都是心电信号（ECG）自动分析的重要研究课题,但由于心电信号属于微弱生物电信号,极易受噪声影响,若要实现对心律失常准确的特征提取和正确分类仍然存在着很大挑战。基于此,本文针对ECG特征提取及心律失常类型的分类进行研究。针对心电信号中经常出现的基线漂移低频噪声及高频噪声设计了数学形态学滤波器,通过选择合适的不同类型和长度的结构元素,在有效滤除噪声的同时保留原始信号波形特征,有效克服了由于信号失真而导致的特征提取误差。在准确检测心电信号各个特征波形的前提下,首先从心电信号中提取最直观的具有医学意义的波形形态特征,即间期、幅值等,全面获取心电信号的波形信息;其次,提出采用动态时间规整（DTW）计算单个心拍和标准心拍之间的形态学距离,刻画心拍之间的相关性;最后,对心电信号中信息含量最高的QRS波群进行主成分分析（PCA）,提取QRS波群中主要成分分量。将三部分特征融合作为分类特征向量集,为后... 

【文章来源】：苏州大学江苏省 211工程院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

ECG信号基线校正3.2分割样本心拍

波峰值前后搜索是否有次高峰，即极大值，将极大值作为局部距离变换的止点，确保局部距离变换的准确性。极大值的确定如图4-9所示。根据选定的极大值，划分左右检测区间，在检测区间内进行局部距离变换，确定P波起点和止点。图4-9极大值的确定及划分左右区间（3）P波起点P波起点的确定在左区间内进行，局部距离变换辅助段的起点为P波检测区间的起点，辅助段的止点为图14所示左极大值点。理论上说，在滤除基线漂移噪声的前提下，P波前应为很长的平稳段，但是实际中由于波形采集和滤波的各种问题，P波前常常是歪斜或者会出现与P波形态相似的伪P波。在某些心律失常情况下

图4-10 P波起点检测示意图的确定在右区间内进行，相比于P波起点，P波止点后的平波，因此准确识别平稳区域，确定局部距离变换的止点是，为突出幅值之间的差异性，对幅值进行归一化，对归一找到幅值最集中的区域，该区域即为平稳段，于是取平稳止点，以图4-9中的右极大值作为局部距离变换的起点。4-11所示。P波止点平稳段

【参考文献】：
期刊论文
[1]基于卷积神经网络的心电特征提取[J]. 颜昊霖,安勇,王宏飞,牟荣增.  计算机工程与设计. 2017(04)
[2]基于近邻保持嵌入算法的心律失常心拍分类[J]. 高兴姣,李智,陈珊珊,李健.  生物医学工程学杂志. 2017(01)
[3]基于混沌特性和BP神经网络的室性早搏的自动诊断[J]. 刘秀玲,杜海曼,吕方飞,陈飞,刘明.  河北大学学报(自然科学版). 2014(04)
[4]心电信号中R波的自适应检测方法[J]. 黄海彬,谢云.  自动化与信息工程. 2013(06)
[5]基于数学形态学及支持向量机的心率失常识别[J]. 刘雄飞,晏晨伟,胡志坤.  计算机应用. 2013(04)
[6]基于模糊隶属度与支持向量机心律失常分类模型[J]. 杨枢,朱超.  蚌埠医学院学报. 2012(08)
[7]基于支持向量机的心律失常诊断研究[J]. 汤丽平,张健,刘剑,郭兴明.  激光杂志. 2012(04)
[8]一种改进的差分阈值心电检测算法[J]. 赵羿欧,刘扬.  计算机工程. 2011(S1)
[9]基于多特征和支持向量机的心律失常分类[J]. 赵勇,洪文学,孙士博.  生物医学工程学杂志. 2011(02)
[10]基于形态学滤波器的ECG信号预处理[J]. 刘忠国,王金亮,刘伯强.  生物医学工程学杂志. 2011(02)

硕士论文
[1]心电信号特征提取及心律失常分类算法研究[D]. 史梦颖.天津工业大学 2017
[2]基于深度神经网络的心电图自动分类方法研究与实现[D]. 樊承柱.山东大学 2016
[3]基于小波分析和神经网络的异常心电信号分类研究[D]. 赵毅.太原理工大学 2015
[4]心电监护仪R波检测和心律失常分类算法设计与实现[D]. 李黎明.武汉理工大学 2015
[5]SVM参数寻优及其在分类中的应用[D]. 徐晓明.大连海事大学 2014
[6]心电信号ST段分析研究[D]. 李露.重庆大学 2007



本文编号：3286761