基于机器学习的T波形态分类算法研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:hanminaaaa
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科技的快速发展,人民的生活水平在不断提高,体力活动逐渐减少,体重增加与长期不规律作息等因素导致了越来越高的心血管疾病发病率。心电图(electrocardiogram, ECG)由于其安全无创、易操作的特性,已成为目前心血管疾病诊断的基本方式。ECG中的每个部分都反映了不同时期的心室肌电生理活动。随着穿戴式心电监护设备的推广,由于巨量数据的产生,只通过人工识别所有ECG已不现实,ECG的自动检测与分析成为防治诊断心血管疾病的必要手段。T波作为心电图的5个主要波之一,代表了心室肌的复极过程,其形态变化是一些病理的关键指标,所以T波的形态分类与识别在心电图的临床诊断中非常重要。本文对正常T波和临床上常见的5类异常形态T波(倒置、高尖、双相、低平和双峰)进行分析与处理,利用传统的机器学习和深度学习的方法,分别建立了对T波检测与分类的模型,并希望可以应用于穿戴式医疗中完成心电信号中T波的识别。
  本文主要研究内容如下:
  (1)基于时域特征的T波形态分类。对欧洲ST-T数据库中的ECG数据进行处理,提取了T波形态的7个时域特征,然后将使用高斯核函数的支持向量机(RBF-SVM)作为分类器,并使用网格搜索法作为网络的超参数寻优算法,构建了识别不同形态T波的模型。模型在测试集上的的分类准确率为90.61%,6类T波的分类敏感度分别为93.37%、92.57%、88.59%、79.96%、83.89%和77.53%。
  (2)基于改进频率切片小波变换(MFSWT)和卷积神经网络(CNN)的T波诊断模型的研究。对由R波和T波构成的一维T波候选心电片段做改进频率切片小波变换,得到其二维时频图。作为对比实验,分别将T波候选段在时域上的波形图、在时频域上的能量图作为CNN的输入来训练模型。模型对波形图像的分类准确率为87.79%,对6类T波分类的敏感度分别为90.20%、82.50%、95.29%、81.46%、81.19和84.50%;模型对时频能量图的分类准确率为97.4%,对6类T波分类的敏感度分别为96.43%、97.05%、99.37%、95.51%、99.19%和97.30%。
其他文献
抑郁症是当前世界上患病人数较多的心理疾病之一,近年来发病率呈增长趋势。抑郁症容易使患者情绪持续低落,出现失眠、食欲不振等症状,严重者会逐渐脱离社会,导向自残乃至自杀。不同程度抑郁症对应着不同的治疗方式,因此抑郁症的早期诊断与状态检测具有重要的现实意义。当前抑郁症诊断面临着如下问题:临床上诊断依赖于量表和精神科医生的判断,缺乏客观指标;不同抑郁状态之间生理发展机制尚不明确;在全球范围内医疗资源短缺。
学位
医学影像是研究临床疾病的重要工具,它对于疾病的早筛、治疗以及后续的康复、监测和管理都起着不可替代的作用,但是传统的人工医学影像诊断方法仍存在着诸多问题,如医患两方供需不平衡、医院人员负担重;医学影像诊断主观性强、经验要求高等。随着深度学习在图像领域的快速发展,近些年来许多深度学习方法也逐渐用于医学影像的处理和分析,进而辅助医生进行自动诊断,提高工作的效率。但是考虑到医学识别任务的复杂性和医学影像小
学位
人类拥有高度灵巧的手,可抓握物体完成精细复杂的操作任务。大脑在控制手完成各种抓握动作时,可充分参考由手部反馈的接触感知信息,并与视觉及本体感觉等其他模态的感知信息进行有效融合,在根据任务要求进行运动规划决策的基础上,通过对相关肌肉发送动作命令来完成抓握动作。这种由外周和中枢密切结合形成的感知运动融合机制的核心问题是:中枢神经系统如何整合不同模式的感知信息,如触觉和视觉信息进行运动的规划,以及中枢神
抓握操控物体是手的重要功能。为了实现精确而稳定的抓握,人体需要通过视觉和触觉等多种感觉系统实时接收环境信息,并通过中枢神经系统的整合形成决策,然后向外周神经发送运动命令,通过激发肌肉收缩完成抓握动作。研究在精准抓握的过程中,大脑是如何整合对于此行为至关重要的触觉和视觉的信息并实现对物体抓握操控的闭环控制是神经生理学领域的研究中意义重大。然而,传统的研究方法均只能将触觉和视觉的效应进行叠加,通过对单
大气颗粒物对人们健康危害影响日益严重,并且这种影响会根据来源的不同和粒子大小而产生不同的影响。本研究中,由于美国加州的Imperial Valley长期存在空气颗粒物的污染问题,故以Imperial Valley作为典型污染地区来采集环境颗粒物,与Parlier和Sacramento的大气颗粒物做比较,来研究不同粒径尺寸PM的化学成分和毒性分析,并进行急性暴露效应研究。本研究通过一个PM采样和测量
肝细胞癌(Hepatocellular Carcinoma,HCC)的高发病率和高致死率使其受到广泛关注,我国更是肝癌负担最重的国家。随着肝癌病例和死亡人数的逐年增加,寻找有效、可靠的肝癌生物标志物是实现肝癌早期诊断的重要手段。癌症基因组图谱(The Cancer Genome Atlas,TCGA)生成的高通量组学数据和日渐成熟的单细胞测序数据为发现肝癌生物标记物提供了宝贵的数据资源。  尽管已
学位
随着我国人口老龄化的日益加剧,丧失言语和行动能力的失能老人在总人口中的比重越来越高。通常这些老人还患有尿失禁、糖尿病、痛风等慢性疾病,需要定期尿液检查来判断身体状况。尿液中相关疾病标志物浓度水平是医生进行疾病诊断和疗效判断的重要依据。在医院里,患者需要自主取样,并由检验人员依靠尿液分析仪对尿液进行检测分析,这种检测方式对卧床患有尿失禁的失能老人是十分困难的,该类人群通常需要穿戴纸尿裤来解决失禁问题
目前,肺腺癌和肝细胞癌主要是借助影像手段进行早期诊断。由于影像设备的分辨率的客观限制以及影像诊断的结果高度依赖于诊断医师的经验水平等主观因素,肺腺癌和肝细胞癌的早期诊断效果并不理想。使用具有高特异性、准确度和灵敏度的分子标记物来辅助影像进行早期诊断,将是有效提高早期癌症诊断水平的一个充满潜力的发展方向。目前使用于肺腺癌和肝细胞癌诊断的传统分子标记物的特异性不尽如人意。提高肺腺癌和肝细胞癌的早期诊断
学位
抑郁症作为一种常见的心理疾病,严重危害着人们的身心健康。随着现代社会生活节奏加快,人们面常常面临巨大的精神压力,导致抑郁症的发病率呈逐年增加的趋势,抑郁症的识别和诊断变得越来越迫切。目前,临床抑郁症的诊断主要依赖于量表判断等定性方法,抑郁症的定量化精准诊疗罕见应用。基于生理数据建立抑郁症的生理心理模型,探寻客观有效的生物标记物,研究抑郁症的生理特征以及抑郁症与生理特征的对应关系,可以为实现抑郁症的
心血管疾病的患病人数急剧增加,我国心血管疾病现有患病人数约为3.30亿。心力衰竭作为一种高致死、难治愈和治疗成本昂贵的心血管疾病,广受临床医师和相关领域专家的关注。本文使用数字信号处理、HRV分析、多时间尺度分析和机器学习算法等技术,借助计算机对生理信号进行相关分析,构建基于长程心电信号的心衰诊断模型,希望可以为穿戴心电的心衰早期诊断工作提供帮助。  本文是以MIT/BIH数据库中长时的RR间期时
学位