运动心电实时数据异常检测系统研究与应用

发布时间：2020-10-20 04:13

　　 在运动时,有些人会产生身体的不适,严重的会发生猝死现象。因此,运动时人们更要关注自己的心脏状况,及时调整运动量,从而避免出现无法挽回的后果。心电图能对人体的心脏电活动状况进行描述,同时也是医生对心脏病进行诊断治疗的重要依据,对处于运动状态的人进行心电实时监测具有实际应用价值。本文对心电异常检测方法进行研究。心电信号分析主要分为四个过程,其步骤为:数据预处理、QRS波群检测、特征提取和心电异常识别。根据现有的智能分析算法,为保证心电信号的去噪效果和实时性,本文采用的滤波器为级联低通和高通滤波器所组成的带通滤波器,该滤波器能很好的去除运动心电信号中的噪声,并采用Pan-Tompkins算法对QRS波群进行实时检测。在心电数据分析中,提取准确的心电特征是心电数据分析的关键环节,本文提出了一种小波包分解和主成分分析相结合的心电特征提取方法。为了提高心电数据异常识别时的准确率,本文采用遗传算法对支持向量机的参数C(惩罚参数)和g(核函数参数)进行寻优操作,设计了GA-SVM分类器。本文使用北京麦邦光电仪器有限公司提供的踏车运动心电数据及国际心率失常数据库MIT-BIH的四类心电数据:正常心跳、室性早搏、左束支传导阻滞、右束支传导阻滞进行实验,测试集分类效果良好,准确度优于其他分类预测模型。实验结果表明本文提出的特征提取算法稳定有效,通过遗传算法优化支持向量机参数提高了分类器性能。因此,本文采用的心电数据异常检测方法能够对心律失常进行有效地识别,对于心脏疾病的诊断和及时治疗具有重要意义。最后,本文开发了一款基于Android的运动心电异常检测系统,该App软件与相应的心电采集设备配套使用。系统能够完成心电数据的实时传输,并能在手机端进行心电数据分析。此外,该系统还具有显示用户的运动轨迹及对用户位置进行实时定位的功能,一旦发现用户心电出现异常,能够及时报警。经测试,该软件性能及功能运行良好。
【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】：R87;TP311.52
【部分图文】：

心电信号呈周期性变化，虽然每一个心电波形不完全相同，但一个完整的心??电图都是由Ｐ波、ＱＲＳ波群、Ｔ波、Ｕ波以及ＰＲ间期、ＳＴ端、ＱＴ间期组成，??这些心电特征信息可以从多方面反映心脏异常变化。图２－１为一个完整的ＥＣＧ??信号波形图。??７??

?０１２３４５６７８９??图３－１原始信号及低通滤波、高通滤波后波形??３．２心电波形检测与特征定位??３．２．１心电数据ＱＲＳ波群检测??ＥＣＧ检测中对ＱＲＳ波群进行精确定位至关重要。检测ＱＲＳ波群方法很多，??常用的方法有小波变换、模板匹配、神经网络等。小波变换有很高的检测精度，??但由于其计算复杂度大，不能对心电数据进行实时处理。虽然神经网络对ＱＲＳ??波群的识别足够好，但训练时间很长，很难进行实际应用。具有简单原理的模板??匹配法，易受基线漂移及高频噪声的干扰。对比以上方法，Ｐａｎ－Ｔｏｍｐｋｉｎｓ算法不??仅可以对心电图的ＱＲＳ波群进行实时检测，也可以在移动应用中实现。所以，??本文利用Ｐａｎ－Ｔｏｍｐｋｉｎｓ算法对运动心电数据进行ＱＲＳ波群的实时检测，图３－２??为算法具体步骤［３９］。??ｄ［ｊ???？????？?ｘ（ｎ）??？?ｙ（ｎ）??ｄｔ??Ｒａｗ?ＥＣＧ?Ｓｉｇｎａｌ??Ｌｏｗ—ｐａｓｓ?Ｈｉｇｈ－ｐａｓｓ?２?１?３２???＞?ｆｉｌｔｅｒ??＊?ｆｉｌｔｅｒ?￣￣—＞????＊?［Ｊ??？?—?２７??＾ｚ（ｎ）??????＾?丨?丨?＼３２?ｎ＝ｌ??图３－２?ＱＲＳ波群检测步骤??（１）获取ＱＲＳ波形的斜率信息??心电数据滤波后

心电波形检测与特征定位??心电数据ＱＲＳ波群检测??ＥＣＧ检测中对ＱＲＳ波群进行精确定位至关重要。检测ＱＲＳ波群方法很的方法有小波变换、模板匹配、神经网络等。小波变换有很高的检测精于其计算复杂度大，不能对心电数据进行实时处理。虽然神经网络对Ｑ的识别足够好，但训练时间很长，很难进行实际应用。具有简单原理的法，易受基线漂移及高频噪声的干扰。对比以上方法，Ｐａｎ－Ｔｏｍｐｋｉｎｓ算以对心电图的ＱＲＳ波群进行实时检测，也可以在移动应用中实现。所利用Ｐａｎ－Ｔｏｍｐｋｉｎｓ算法对运动心电数据进行ＱＲＳ波群的实时检测，图３法具体步骤［３９］。??ｄ［ｊ???？????？?ｘ（ｎ）??？?ｙ（ｎ）??ｄｔ??Ｇ?Ｓｉｇｎａｌ??Ｌｏｗ—ｐａｓｓ?Ｈｉｇｈ－ｐａｓｓ?２?１?３２??
【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 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

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 王欣;基于多特征识别的J波检测技术研究[D];太原理工大学;2017年

本文编号：2848190