本文關(guān)鍵詞：基于Lempel-Ziv復(fù)雜度和信號分解的心顫與心動信號分析方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：最近幾年來,心血管疾病的發(fā)病率在逐年增加。研究發(fā)現(xiàn),心臟的功能性衰退和機能性病變在心血管疾病中占有很大的比重。心率失常中最嚴(yán)重的癥狀和表現(xiàn)是心臟猝死,如果不能及時地對病人進行除顫等治療,心臟猝死就意味著病人生命的終結(jié),正因為這樣,許多國家的醫(yī)藥衛(wèi)生部門、研究中心等都投入大量的人力和物力對此進行研究。研究表明,心臟猝死在多數(shù)情況下都是由心室纖顫(ventricular fibrillation,VF)或是持續(xù)性室性心動過速(ventricular tachycardia,VT)惡化而導(dǎo)致的。而且,治療這兩種疾病所采取的措施是不同的。對患有VF的病人,是要進行除顫操作的;而對于患有VT的病人則要對其進行低能量心率復(fù)蘇。如果VT被錯判為VF或者VF被錯判為VT,其結(jié)果都是致命的。因此,提出一種高效的自動檢測算法不僅有利于減輕醫(yī)務(wù)人員的工作量,而且其在推動臨床應(yīng)用中的貢獻將是非常巨大的。按照目前對心電圖(ECG)的研究情況來看,都可以用非線性動力學(xué)的方法來分析。而且,采用非線性動力學(xué)方法對VF和VT的檢測有其他方法所不具有的優(yōu)勢。由于心顫的頻率在200-500bpm之間,心動的頻率大約在150-200bpm之間,噪聲中基線漂移和工頻干擾頻率都在50Hz以下,因此就考慮到先用信號分解的方法,將心電信號分解成一系列的子帶信號。本文提出的Lempel-Ziv(簡稱LZ)復(fù)雜度與時間序列分解復(fù)合檢測相結(jié)合的新算法,在準(zhǔn)確率及檢測速度等方面都具有明顯的提升,而且開拓了VF和VT檢測算法研究的新途徑。另外,對LZ復(fù)雜度算法也進行了改進研究。因為進制數(shù)L的值如果非常小的話,就極可能因為方法太過死板而不能完全地表現(xiàn)出序列本身的動態(tài)特征;如果L非常大,原始序列被分解成多個細(xì)小的間隔,得到的這些值的差別并不大。相反,LZ復(fù)雜度的計算時間增加以及運行時間的增長,盡管這種方法保留了原始序列的很多細(xì)節(jié)信息,但是對患有心臟猝死的病人來說提供準(zhǔn)確和及時的治療手段是至關(guān)重要的,因此這種方法并不合適。為了解決這個問題,本文引用復(fù)雜度指數(shù)f,隨機的從本文用到的樣本中選取六個VT樣本和VF樣本,通過實驗確定進制數(shù)L(L=60)。復(fù)雜度指數(shù)f的引入,使LZ復(fù)雜度的性能有了較大的改善,并提高了檢測VT和VF的準(zhǔn)確率。心臟病正在成為威脅人類健康的重大殺手,它的發(fā)病機理非常復(fù)雜,其中最重要的一點就是應(yīng)用非線性動力學(xué)來解決。本文提出的這種方法還需要在實踐中得到應(yīng)用,理論與實踐相結(jié)合,讓這種方法得到進一步的推廣和應(yīng)用,只有這樣才能實現(xiàn)它治病救人的價值。
【關(guān)鍵詞】：心室纖顫 心動過速 LZ復(fù)雜度 時間序列分解
【學(xué)位授予單位】：濟南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN911.6;R541.75
【目錄】：

• 摘要7-9
• Abstract9-11
• 第一章 緒論11-17
• 1.1 課題研究背景11-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-15
• 1.3 本文的主要內(nèi)容及章節(jié)安排15-17
• 第二章 LZ復(fù)雜度和時間序列分解方法17-27
• 2.1 LZ復(fù)雜度方法17-21
• 2.1.1 LZ復(fù)雜度原理19-20
• 2.1.2 LZ復(fù)雜度算法步驟20
• 2.1.3 LZ復(fù)雜度分類20-21
• 2.2 時間序列分解方法21-27
• 2.2.1 時間序列分解方法概述21
• 2.2.2 經(jīng)驗?zāi)B(tài)分解（EMD）21-23
• 2.2.3 小波變換23-27
• 第三章 近似熵、樣本熵方法及實驗結(jié)果27-37
• 3.1 近似熵、樣本熵概述27-29
• 3.1.1 近似熵27-28
• 3.1.2 樣本熵28-29
• 3.2 相關(guān)向量機29-32
• 3.3 實驗結(jié)果及分析32-37
• 第四章 聯(lián)合算法對VT、VF的檢測37-49
• 4.1 實驗數(shù)據(jù)及軟件37-39
• 4.1.1 實驗數(shù)據(jù)37-38
• 4.1.2 支持向量機38-39
• 4.2 EMD和LZ復(fù)雜度結(jié)合的新算法39-45
• 4.2.1 算法的理論基礎(chǔ)39-40
• 4.2.2 實驗結(jié)果分析40-45
• 4.3 小波變換和LZ復(fù)雜度結(jié)合的新算法45-49
• 第五章 改進的LZ復(fù)雜度算法及實驗結(jié)果分析49-57
• 5.1 LZ復(fù)雜度算法的改進49-51
• 5.2 仿真和實驗結(jié)果51-57
• 第六章 總結(jié)與展望57-59
• 6.1 全文總結(jié)57
• 6.2 前景展望57-59
• 參考文獻59-64
• 致謝64-66
• 附錄66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 夏德玲;孟慶芳;牛賀功;魏英達;劉海紅;;基于Lempel-Ziv復(fù)雜度和經(jīng)驗?zāi)B(tài)分解的癲癇腦電信號的檢測方法[J];計算物理;2015年06期

2 郭興明;黃林洲;;IMF復(fù)雜度特征在心音信號分類識別中的應(yīng)用[J];計算機工程與應(yīng)用;2013年21期

3 羅志增;曹銘;;基于多尺度Lempel-Ziv復(fù)雜度的運動想象腦電信號特征分析[J];傳感技術(shù)學(xué)報;2011年07期

4 趙建林;周衛(wèi)東;劉凱;蔡冬梅;;基于SVM和小波分析的腦電信號分類方法[J];計算機應(yīng)用與軟件;2011年05期

5 趙建林;周衛(wèi)東;劉凱;蔡冬梅;;SVM和小波分析方法在腦電分類中的應(yīng)用[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年02期

6 劉澄玉;楊靜;李斌;孫處然;劉常春;;基于LZ復(fù)雜度的脈搏傳播時間變異性分析[J];山東大學(xué)學(xué)報(工學(xué)版);2009年06期

7 肖毅;陳善廣;王春慧;;基于熵理論和復(fù)雜度的肌電信號分析[J];科技導(dǎo)報;2009年21期

8 李正星;馬影;于曉慶;周楊;李春;;一種新的LZ復(fù)雜度及其在DNA序列相似性分析中的應(yīng)用[J];黑龍江生態(tài)工程職業(yè)學(xué)院學(xué)報;2008年05期

9 ;Nonlinear short-term heart rate variability prediction of spontaneous ventricular tachyarrhythmia[J];Chinese Science Bulletin;2008年16期

10 張佃中;譚小紅;王智;劉昭前;;基于等概率粗�；膹�(fù)雜度算法及其應(yīng)用[J];系統(tǒng)仿真學(xué)報;2008年15期

  本文關(guān)鍵詞：基于Lempel-Ziv復(fù)雜度和信號分解的心顫與心動信號分析方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：256295