论文部分内容阅读
心电图(ECG)是心脏搏动相关的电位变化图,心电图各波形的形状,包括其幅度、宽度、斜率等都反映了心脏的活动状态,医生可以根据心电波形的特征看出心脏活动的异常,诊断出许多不同的心脏疾病。随着计算机技术和人工智能的发展,心电信号的自动分析技术不断成熟,然而ECG的自动分析技术的准确性和有效性目前仍没达到令人满意的程度。
本文研究了心电图的计算机自动处理技术,其中重点研究了心电图数据的压缩,心电波形的自动检测和心电图自动分类这三个智能心电工作站的关键技术,并实现了智能心电工作站软件系统。
心电图压缩技术是心电信号计算机处理技术的一个重要组成部分,本文提出了基于JPEG-LS的二维心电压缩算法和基于R波识别的混合Fan压缩算法。JPEG-LS压缩法是一种二维的ECG无损压缩算法,它利用心电图的周期性,把一维的心电信号转换成二维的灰度图,并用JPEG-LS压缩算法压缩和解压灰度图。混合Fan算法利用了心电图的周期性,是对Fan算法的一种改进.首先,对心电波形进行周期间的差分运算,减少周期间的冗余,然后,对差分后的波形,采用变误差门限的Fan算法压缩。最后用差分编码,游程编码,自适应变长码和自适应算术编码进一步压缩。这种算法无论在压缩率还是失真度上都要比原始的Fan算法压缩效果要好。
心电图的波形检测,是ECG信号自动分析技术的基础,其准确性和可靠性直接关系到自动分析和诊断效果。本文提出了一种基于双正交B样条小波的心电图波形检测算法,首先用Mallat算法快速计算出心电信号的双正交B样条小波变换,然后通过找出心电信号在尺度23下的小波变换的最佳极值对,确定R波的位置,同时也提供了QRS波群的起点和终点,P波,T波的起点和终点的方法。本文提出的最佳极值对是一种更健壮的寻找模极值对的方法,提高了检测算法的抗干扰能力。这种心电波形检测算法对MIT/BIH心律失常数据库的准确率达99.7%,并且处理速度很快,所需时间很少。
心电波形的自动分类,让计算机能够识别各种异常波形并生成诊断结果,是心电图自动分析的难题,也是心电图自动分析的最终目的。本文提出了一种基于小波变换和多类支持向量机的心电图分类方法,在用双正交B样条小波变换识别出心电图一些特征点的位置之后,根据这些特征点的位置计算出包括间期,幅值等信息,并定义了一个新的10维的特征向量来刻画单个心搏的特征,最后根据这个特征向量用多类支持向量机分类。利用这个心电分类算法,有效地识别了正常窦性心律,结性心律,心室颤动,室性早搏,左/右束枝传导阻滞等多种典型的特征明显的心电信号,其分类正确率达99.16%。