心电远程监护系统与自动分析技术研究
发布时间：2021-11-10 11:49
当前,随着人们生活节奏的加快和工作压力的增加,心脏系统疾病发病率持续上升,且患者年轻化趋势越来越明显,它已经成为人类生命健康的主要威胁。医院现有的软硬件资源很难在短期内有所改善,满足不断增加的心脏系统疾病患者诊治需求,因此如何高效地利用医疗资源,积极防治心血管疾病成为了亟待解决的问题。远程监护和心电自动分析技术可以在一定程度上解决这一问题,是目前医疗信息化研究的热门领域,但是随着投入使用的心电监控传感器数量的增大,产生了大量的心电信号数据,如何有效地收集、存储和管理这些数据,自动分析和发掘它们的潜在价值是该领域面临的新机遇和新挑战。本文针对远程监护和大量心电数据自动分析的需求,设计以数据传输、数据存储管理和心电信号自动分析三部分为核心的云计算平台远程监护系统。该系统具有能够根据患者病况及网络环境自适应传输心电数据的自适应性实时心电数据传输协议（Adaptive Real-time ECG data Transfer Protocol,ARETP）,协议位于应用层,适用于 3G、WiFi、蓝牙和有线Internet网络环境,在传感器、移动设备、数据处理平台和PC客户端之间高效的利用网络带...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图１．１标准心电图和说明??心电图产生的基本原因是心肌细胞膜的半透性
大量的正离子涌入膜内导致电位差改变，引起电信号波动，形成心电图。??心电信号波形主要由Ｐ波、ＱＲＳ波群、Ｊ点、Ｔ波和Ｕ波，及与之相关的ＰＲ间期，??ＳＴ段和ＱＴ间期组成，如图１．１所示。Ｐ波的前后部分分别代表了左右心房的激动，当??出现异常时，Ｐ波表现为高尖或者双峰波形；正常ＰＲ间期大约在０．１２－０．２０秒左右，在??心房出现传导阻滞时，ＰＲ间期会延长或者心室波消失；ＱＲＳ波群是心电图中最明显的??特征，它代表了心室除极，ＱＲＳ波群的增量、变形和心室波的消失，代表了左右束支??的传输阻滞、心室肥大或扩大等情况；：［点作为ＱＲＳ波群的结束，表示心室的除极完??毕；ＳＴ段在正常情况下应处于等电位上，出现心肌缺血或者坏死时，ＳＴ段发生偏移；??Ｔ波代表心室复极，急性心肌梗死和高血钾的临床表现为Ｔ波高耸；ＱＴ间期受心率影??响，ＱＴ间期的延长与恶性心律失常有关。??１．２．２远程监护系统研究现状??心电信号的采集和显示是医疗领域的重要研究课题。随着计算机技术在医疗领域??的应用
从己有的文献来看，虽然心电信号自动分类诊断的算法较多，但是还有很多基础??问题未能完全解决，究其原因主要有三个：一是心电信号不规则，形态多变，各种异??常波形和正常波形的特征参数差异往往不能用简单的阈值区分开来，有限的特征参难以完全描述心电信号的模式。二是基于特征提取的ＥＣＧ自动分类方法往往要用到大??量的先验知识，建立起来较为复杂。三是目前的模式分类方法还不够完善。因此，在??研究心电信号自动分析技术时，除了提高心电特征提取算法的性能外，在分类器选择??设计方面还是希望能够采用基于统计学习的机器学习算法。统计学习理论在小样本情??况下研究机器学习规律的方法，在此基础上提出的支持向量机是机器学习方法中的一??个优秀代表，针对小样本分类问题，ＳＶＭ具有较好的泛化能力??目前随着大量医疗传感器投入使用，大量医疗数据被收集起来，据英特尔报告称??到２０２０年将产生３５Ｚｅｔａｂｙｔｅ的医疗数据，这是２００９年的４４倍，相应心电信号数据也??会增长一个数量级，如图４所示。由于数据量增大，已有的心电信号自动分析算法已??经很难达到心电远程监护的要求，因此研究基于大数据集，将数据挖掘与传统心电信??号自动分析技术结合起来的心电识别技术将是我们的研究重点。??长??
【参考文献】：
期刊论文
[1]一种对MIT-BIH心电信号波形检测方法[J]. 林红胜,朱凌云. 信息与电脑(理论版). 2012(07)
[2]基于P2P视频监控技术的应急指挥系统研究[J]. 苏爱国,郭世安,王杰敏,方旭. 移动通信. 2012(06)
[3]基于3G数据通讯的实时心电信号监护[J]. 孙鹏,刘晓琴,杜遥. 天津理工大学学报. 2012(01)
[4]基于时间序列相似性聚类的应用研究综述[J]. 陈湘涛,李明亮,陈玉娟. 计算机工程与设计. 2010(03)
[5]基于心电图分析的心律失常分类[J]. 李坤阳,胡广书. 清华大学学报（自然科学版）网络.预览. 2009(03)
[6]ECG信号小波变换与峰谷检测算法的研究[J]. 罗小刚,彭承琳,郑小林,郭兴明. 北京生物医学工程. 2003(03)
[7]基于IP网络的自适应QoS管理方案研究[J]. 汤庸,杨学良,区海翔,傅秀芬,李松. 计算机学报. 2001(01)
博士论文
[1]心电信号智能分析关键技术研究[D]. 姚成.吉林大学 2012
[2]心电信号自动分析关键技术研究[D]. 季虎.国防科学技术大学 2006
[3]心电和诱发电位的现代提取和分析技术研究[D]. 李章勇.重庆医科大学 2004
硕士论文
[1]一种基于GPRS的家庭心电无线监护系统的研制[D]. 杨雪.北京工业大学 2007
[2]智能型远程心电监护系统研究[D]. 李明党.山东科技大学 2007
本文编号：3487188
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图１．１标准心电图和说明??心电图产生的基本原因是心肌细胞膜的半透性
大量的正离子涌入膜内导致电位差改变，引起电信号波动，形成心电图。??心电信号波形主要由Ｐ波、ＱＲＳ波群、Ｊ点、Ｔ波和Ｕ波，及与之相关的ＰＲ间期，??ＳＴ段和ＱＴ间期组成，如图１．１所示。Ｐ波的前后部分分别代表了左右心房的激动，当??出现异常时，Ｐ波表现为高尖或者双峰波形；正常ＰＲ间期大约在０．１２－０．２０秒左右，在??心房出现传导阻滞时，ＰＲ间期会延长或者心室波消失；ＱＲＳ波群是心电图中最明显的??特征，它代表了心室除极，ＱＲＳ波群的增量、变形和心室波的消失，代表了左右束支??的传输阻滞、心室肥大或扩大等情况；：［点作为ＱＲＳ波群的结束，表示心室的除极完??毕；ＳＴ段在正常情况下应处于等电位上，出现心肌缺血或者坏死时，ＳＴ段发生偏移；??Ｔ波代表心室复极，急性心肌梗死和高血钾的临床表现为Ｔ波高耸；ＱＴ间期受心率影??响，ＱＴ间期的延长与恶性心律失常有关。??１．２．２远程监护系统研究现状??心电信号的采集和显示是医疗领域的重要研究课题。随着计算机技术在医疗领域??的应用
从己有的文献来看，虽然心电信号自动分类诊断的算法较多，但是还有很多基础??问题未能完全解决，究其原因主要有三个：一是心电信号不规则，形态多变，各种异??常波形和正常波形的特征参数差异往往不能用简单的阈值区分开来，有限的特征参难以完全描述心电信号的模式。二是基于特征提取的ＥＣＧ自动分类方法往往要用到大??量的先验知识，建立起来较为复杂。三是目前的模式分类方法还不够完善。因此，在??研究心电信号自动分析技术时，除了提高心电特征提取算法的性能外，在分类器选择??设计方面还是希望能够采用基于统计学习的机器学习算法。统计学习理论在小样本情??况下研究机器学习规律的方法，在此基础上提出的支持向量机是机器学习方法中的一??个优秀代表，针对小样本分类问题，ＳＶＭ具有较好的泛化能力??目前随着大量医疗传感器投入使用，大量医疗数据被收集起来，据英特尔报告称??到２０２０年将产生３５Ｚｅｔａｂｙｔｅ的医疗数据，这是２００９年的４４倍，相应心电信号数据也??会增长一个数量级，如图４所示。由于数据量增大，已有的心电信号自动分析算法已??经很难达到心电远程监护的要求，因此研究基于大数据集，将数据挖掘与传统心电信??号自动分析技术结合起来的心电识别技术将是我们的研究重点。??长??
【参考文献】：
期刊论文
[1]一种对MIT-BIH心电信号波形检测方法[J]. 林红胜,朱凌云. 信息与电脑(理论版). 2012(07)
[2]基于P2P视频监控技术的应急指挥系统研究[J]. 苏爱国,郭世安,王杰敏,方旭. 移动通信. 2012(06)
[3]基于3G数据通讯的实时心电信号监护[J]. 孙鹏,刘晓琴,杜遥. 天津理工大学学报. 2012(01)
[4]基于时间序列相似性聚类的应用研究综述[J]. 陈湘涛,李明亮,陈玉娟. 计算机工程与设计. 2010(03)
[5]基于心电图分析的心律失常分类[J]. 李坤阳,胡广书. 清华大学学报（自然科学版）网络.预览. 2009(03)
[6]ECG信号小波变换与峰谷检测算法的研究[J]. 罗小刚,彭承琳,郑小林,郭兴明. 北京生物医学工程. 2003(03)
[7]基于IP网络的自适应QoS管理方案研究[J]. 汤庸,杨学良,区海翔,傅秀芬,李松. 计算机学报. 2001(01)
博士论文
[1]心电信号智能分析关键技术研究[D]. 姚成.吉林大学 2012
[2]心电信号自动分析关键技术研究[D]. 季虎.国防科学技术大学 2006
[3]心电和诱发电位的现代提取和分析技术研究[D]. 李章勇.重庆医科大学 2004
硕士论文
[1]一种基于GPRS的家庭心电无线监护系统的研制[D]. 杨雪.北京工业大学 2007
[2]智能型远程心电监护系统研究[D]. 李明党.山东科技大学 2007
本文编号：3487188
本文链接：https://www.wllwen.com/yixuelunwen/xxg/3487188.html
最近更新
教材专著
