论文部分内容阅读
心室晚电位(Ventricular Late Potential,VLP)是出现在QRS 复合波末端并延伸至ST 段的高频、低幅、不规则异常心电信号,它与恶性室性心律失常有着密切的联系。研究表明,心室晚电位的识别对于急性心肌梗塞后猝死的预防、不明昏厥原因的鉴别、外科手术治疗室性心律失常疗效的评价等具有重要临床价值。当前,晚电位识别方法主要是时域分析,其准确率受到QRS 波终点定位准确度影响,而终点定位精度受噪声影响严重;而由于晚电位出现时间短,致使频域分析法的频率分辨率不高。因此采用新的信号处理方法识别晚电位具有很重要的意义。本文主要进行了以下内容的研究: 1.采用小波奇异性检测原理定位R 波,确定分析时段。采用偶对称Marr 小波与ECG 信号进行小波变换,在特征尺度采用模极大值定位R 波。采用偶对称Marr小波可以克服当前奇对称小波定位R 波时检测过零点易受到噪声影响的缺陷。2.采用了两种小波分析方法对高分辨率心电信号心室晚电位进行定性分析。从信号的分解(或分解重构)图上可以观察到晚电位阳性和阴性的心电信号在某些高频子信号存在明显的差异,阳性者在这些频带子信号具有更大的波动或者说更加不规则。说明了小波分析方法适合于晚电位的特征提取。3.采用近似熵方法对两种心电信号小波分析后的子信号特征进行了提取,构成心电信号的特征向量,然后把特征向量输入训练好的BP 网络,实现晚电位的识别。近似熵近年广泛应用于生理信号复杂度的量化,因此可以把近似熵构成心电信号的特征向量。神经网络输出即为表示晚电位阳性和阴性的0、1 值。为了提高网络的分类效果以及训练速度,采用了附加动量法和自适应学习速率调整法对BP算法进行了改进。经过对25 例X 导联高分辨率心电信号实验研究,取得了比较好的识别效果。通过两种小波变换近似熵分析-神经网络晚电位识别的准确率均在85%以上。本文采用了小波(包)近似熵分析和人工神经网络相结合的方法完成了对心室晚电位的识别,取得了较好的识别准确率;并且克服了时域法要求对QRS 复合波的起点和终点准确定位不易的缺点,以及频域分析法频率分辨率不足的缺陷。