论文部分内容阅读
随着我国人民生活水平的不断提高和人口的逐渐老龄化,心血管疾病正逐渐成为威胁人类健康的一大杀手,心脏是血液循环的动力源头,就像一个永不停止的发动机,伴随着人类的一生。心脏的器质性病变或功能性病变,都会给患者和家属带来极大的痛苦。作为人体四大常规检查的心电图检查,以其方便易测,和可以测出功能性病变的能力,被很多人接受。但心电图的人工分析,不仅需要经过专业训练的医师进行大工作量的劳动,而且主观性比较强。因此借助于有强大数据处理能力的计算机对心电图进行自动分析就显得迫切需要,随着数字处理技术的快速发展和新的理论算法的不断出现,将新技术和理论应用于提高心电图机自动分析的准确率和实时性,已经成为热点的课题。 心电图的计算机自动分析作为一个完整的系统,应该包括采集原始心电数据,存储大量心电数据,建立包含专业医师注释诊断说明和高分辨率的心电图数据库,建立患者的电子病历以作为参考,然后进行计算机自动分析,根据分析结果做出参考处方等功能。 本文在前人劳动成果的基础上,对新出现的理论和已存在的方法进行了学习和分析,并将其用于心电图的自动诊断。本文主要从如下几个方面阐述心电图的自动分析系统: 1.心电信号的预处理:介绍了心电图测量过程中常见的三种噪声干扰,并介绍了其常见的处理方法。然后采用具有时频局部性的小波变换去噪方法,并将其与自适应滤波相结合,尝试去滤除工频干扰、基线漂移、肌电干扰等干扰。实验结果表明,该方法有效的滤除了三种噪声,提高了信号的信噪比。 2.心电特征参数提取:在比较了几种常用的参数提取方法之后,采用小波变换,利用Mallat算法对心电信号进行多尺度分解、奇异点检测后,对心电信号各波段进行精确定位并提取其特征参数。 3.心电信号的自动分类:针对常见的心律失常,应用模糊神经网络对室性早博(PVC)进行识别,并采用基于图像模式识别的句法分析方法对心律失常进行分类,在此基础上设计了用于标准心电图传输、存储和分析的小型系统。 本文实验数据采用MIT-BIH相关心电图数据,经过实验验证,取得了初步的