本文關鍵詞：心電自動分析系統(tǒng)的研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 心血管疾病是當今危害人類健康的主要疾病之一,心電圖檢查是臨床上診斷心血管疾病的重要方法。心電圖準確的自動分析與診斷對于心血管疾病的診斷起著關鍵作用。隨著計算機技術、數(shù)字信號處理技術、人工智能等先進理論的發(fā)展,心電計算機自動分析技術的研究也不斷向縱深發(fā)展。將心電自動分析技術用于動態(tài)心電圖中,使用計算機對所記錄的長達24小時的心電數(shù)據(jù)進行自動分析處理,可以大大減輕海量數(shù)據(jù)給醫(yī)生帶來的負擔。 本研究總結了前人的成果,提出了一種醫(yī)師經(jīng)驗與工程分析手段結合的研究模式。由于涉及的內(nèi)容過多,實際研究采用了一種動態(tài)可擴展的框架。在現(xiàn)階段的研究中,主要以模擬醫(yī)師臨床診斷經(jīng)驗為主,并結合工程上的數(shù)據(jù)分析手段進行部分病例的判別研究。 目前,本研究主要展開了以下幾方面的工作: ①介紹一種以提升小波變換實現(xiàn)心電信號濾波處理的方法。原始心電信號中存在三種主要干擾:肌電干擾、基線漂移和工頻干擾。該方法首先采用提升小波變換將原始心電信號分解為不同頻段下的逼近信號和細節(jié)信號。其次根據(jù)心電信號的特征,用閾值濾波方法對細節(jié)信號進行處理,最后再用提升小波逆變換重建心電信號,就能實現(xiàn)心電信號中主要干擾的消除。 ②研究了基于下采樣的心電特征點的標定。該方法首先對濾波后的心電信號進行下采樣,使得心電數(shù)據(jù)量大大減少;其次在下采樣的心電信號中利用幅值和一階導數(shù)劃分各個心拍及對每個心拍的P波、Q波、R波、S波、T波的識別;最后對下采樣得到的各個特征點進行更新,從而完成心電特征點的標定。下采樣檢測算法基本不受采樣頻率的影響,幅值和一階導數(shù)采用自適應閾值選擇技術,并采用回溯技術對可能遺漏的R波進行再次檢測,使得R波的識別能夠達到較高的準確率,從而為后續(xù)的分析工作奠定了良好的基礎。 ③研究了心律失常和波形分類的識別算法。該方法通過檢測每個心拍中各個特征點之間的時間差和幅度差,以及與臨近心拍之間的各個特征點的時間來確定心拍是否正常。對每類心律失常的波形進行相似性劃分,使得眾多心拍被劃分為十幾種不同特征的波形。該檢測算法可以根據(jù)病人心電波形的自身特點來進行差異性參數(shù)閾值選擇,并且能夠達到滿意的分類效果。 ④研究了嵌入式平臺的構建。嵌入式系統(tǒng)可運行于多種硬件平臺,可裁剪,性能優(yōu)異,應用軟件豐富,使用成本低,強大的網(wǎng)絡功能,GUI(圖形用戶界而)開發(fā)支持和豐富的開發(fā)技術資源使得它在醫(yī)療軟件開發(fā)中的地位越來越顯著,嵌入式平臺采用linux操作系統(tǒng),linux系統(tǒng)源碼開放,并且有個龐大的支持者群體,開發(fā)技術文檔齊全,對于編寫GUI程序提供了良好的開發(fā)平臺。 ⑤編寫了嵌入式心電自動分析軟件。該軟件采用qt開發(fā)編寫的。軟件包括病歷庫的管理,心電波形的顯示,心電信號的濾波,特征點標注、心律失常分析、波形分類等功能。該軟件可以處理不同采樣頻率的心電數(shù)據(jù),一至十二通道的心電數(shù)據(jù),并可局部放大心電信號供醫(yī)師查看和編輯。同時軟件對上述算法進行了直觀的驗證。
【關鍵詞】：心電圖 提升小波 閾值 QRS波檢測 心律失常 波形檢測
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：TH772.2
【目錄】：

• 中文摘要3-5
• 英文摘要5-11
• 1 緒論11-21
• 1.1 引言11-12
• 1.2 心電信號的特點12-14
• 1.2.1 心電信號的形成12-13
• 1.2.2 常規(guī)心電圖13-14
• 1.3 心電圖自動分析系統(tǒng)的研發(fā)14-15
• 1.3.1 在醫(yī)學科研上的意義14-15
• 1.3.2 在臨床醫(yī)療上的作用15
• 1.3.3 在醫(yī)學教學上的作用15
• 1.4 國內(nèi)外現(xiàn)狀綜述15-19
• 1.4.1 心電自動分析技術的發(fā)展15-16
• 1.4.2 ECG 信號的濾波預處理16-17
• 1.4.3 ECG 信號的波形檢測17-18
• 1.4.4 ECG 的分類識別及疾病診斷18-19
• 1.4.5 ECG 自動分析研究的難點19
• 1.5 本文主要內(nèi)容及章節(jié)安排19-21
• 2 ECG 濾波預處理21-34
• 2.1 提升小波變換的基本理論21-27
• 2.1.1 提升算法21-24
• 2.1.2 提升算法的實現(xiàn)24-25
• 2.1.3 多項矩陣25-27
• 2.1.4 由濾波器系數(shù)得到提升實現(xiàn)27
• 2.2 ECG 信號的能量譜分析及其噪聲特點27-29
• 2.3 提升小波和平滑濾波29-33
• 2.3.1 分解層數(shù)的確定30-31
• 2.3.2 平滑濾波閾值的確定31-32
• 2.3.3 實時性分析32-33
• 2.4 小結33-34
• 3 ECG 波形參數(shù)檢測34-44
• 3.1 QRS 復合波檢測面臨的問題34-35
• 3.2 QRS 復合波檢測算法回顧35-38
• 3.3 基于下采樣的QRS 波檢測38-42
• 3.3.1 心電信號的下采樣39
• 3.3.2 閾值選擇39-41
• 3.3.3 幅值斜率判斷41
• 3.3.4 防漏檢41
• 3.3.5 更新QRS 波41-42
• 3.4 實驗與結果42-43
• 3.5 P 波、T 波檢測及其它參數(shù)的檢測43
• 3.6 小結43-44
• 4 心律失常識別和波形分類44-52
• 4.1 心律失常的分類和識別算法44-48
• 4.2 ECG 波形分類48-50
• 4.2.1 信號相似程度判別的理論依據(jù)49
• 4.2.2 心電數(shù)據(jù)的相似性判斷49-50
• 4.3 實驗與結果50-51
• 4.4 小結51-52
• 5 嵌入式系統(tǒng)及軟件實現(xiàn)52-70
• 5.1 嵌入式系統(tǒng)簡介52-54
• 5.2 嵌入式系統(tǒng)軟件平臺的搭建54-60
• 5.2.1 嵌入式系統(tǒng)平臺介紹54-60
• 5.3 心電自動分析軟件面臨的問題及解決方案60-61
• 5.3.1 心電數(shù)據(jù)的濾波處理60
• 5.3.2 心電特征點檢測60-61
• 5.4 軟件功能描述61
• 5.5 軟件的具體實現(xiàn)61-69
• 5.6 小結69-70
• 6 結論與展望70-72
• 6.1 結論70-71
• 6.2 展望71-72
• 致謝72-73
• 參考文獻73-76
• 附錄: 作者在攻讀碩士學位期間發(fā)表的論文目錄76

【引證文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 李貴娟;模糊聚類技術在心電波形分類中的應用研究[D];河北工程大學;2011年

2 白雪靜;基于模糊神經(jīng)網(wǎng)絡心電信號的自動診斷[D];哈爾濱工業(yè)大學;2010年

3 陳兵兵;心電信號實時檢測算法與應用研究[D];華中科技大學;2009年

4 楊明偉;基于ARM9的便攜式遠程多生理參數(shù)監(jiān)護儀的研究[D];長春理工大學;2010年

  本文關鍵詞：心電自動分析系統(tǒng)的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：390951