基于机器学习与异常特征融合诊断的室性早搏分析

发布时间：2023-02-12 17:20

　　随着社会经济的快速发展,近些年来心律失常疾病的死亡率越来越高,渐渐成为人们所关注的焦点。心电图信号(ECG)是诊断心律失常疾病的重要参考信息,由于采用传统的人工分析方法不仅用时较长而且还可能出现漏检和误判的情况,所以采用心电信号自动检测与分析的相关技术也开始不断地被应用于临床医学当中。室性早搏(PVC)是临床上最常见的心律失常疾病之一,由于其多变性和易发性,患者随时可能处于危险之中。因此,尽早且高效地诊断出PVC对疾病的治疗是至关重要的。针对该问题,本文基于研究疾病的相关特性,对心电信号进行分析处理。此外,为了避免传统单一的检测模式,本文在检测方法上进行了创新,提出了RFA-MR检测分类方法,即一种将机器学习算法与医学规则诊断相融合的心律失常分类方法。本文方法的技术流程由信号去噪、心拍定位、特征提取和融合分类四个环节构成。首先,本文通过小波变换方法除掉ECG信号中所包含的噪声。其次,通过斜率、幅值和宽度相结合的方法来实现R波的定位,基于R波位置切割得到单个心拍,之后采用同样的小波变换方法来完成T波的定位,再通过动态滑动窗口技术找到QRS复合波的开始位置和结束位置。再者,依据多个定位点从...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题的研究背景和意义
    1.2 心电研究算法的国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文的主要研究内容以及各章节的安排
2 心电信号分类概述
    2.1 心电图基本知识
    2.2 常见的心律失常
        2.2.1 心律失常分类
        2.2.2 室性期前收缩的生理机制
    2.3 常见的分类方法
        2.3.1 逻辑回归
        2.3.2 支持向量机
        2.3.3 K均值聚类
        2.3.4 BP神经网络
    2.4 MIT-BIH心律失常数据库介绍
    2.5 本章小结
3 心电信号预处理
    3.1 数据读取
    3.2 噪声处理
        3.2.1 噪声干扰
        3.2.2 小波变换理论
        3.2.3 基于小波阈值去噪
    3.3 心拍的定位
        3.3.1 R波的检测
        3.3.2 T波的检测
        3.3.3 QRS起点和终点的检测
        3.3.4 心拍分割
    3.4 特征提取
    3.5 本章小结
4 室性早搏检测方法
    4.1 RFA-MR检测方法
        4.1.1 随机森林
        4.1.2 诊断规则
        4.1.3 实验数据处理
        4.1.4 实验结果与分析
    4.2 与他人方法的性能对比
    4.3 本章小结
5 总结和展望
参考文献
个人简历、在学期间发表的学术论文与研究成果
致谢



本文编号：3741505