论文部分内容阅读
心脏是人体最为重要的器官之一,心脏疾病问题给人们带来的痛苦和障碍已成为许多国家关注的重点,在世界上心脏疾病被人们广泛地关注。近年来,随着生活水平的提高,人们对心脏疾病的防范也愈加重视。由于心脏分布着复杂的血管和神经组织,使得心脏疾病治疗需要高昂的费用。为了预防心脏疾病的发生,揭示心脏系统状态和特性之间的关系,全世界医学人员和科学研究人员进行了大量地研究。在生物医学工程领域中,研究者把心电信号、自主神经系统和生理状态联系起来,自主神经系统控制心脏产生心电信号,心电信号的变化会引起生理状态改变。在一定程度上,心电信号是对生理状态的客观反映。正是由于心电信号对生理状态的描述具有指导意义,因此对心电信号的研究具有最重要的价值。正常状态下,心电信号是周期性变化的。随着人们对心电信号的深入了解,发现其周期是变化的,并不是一个定值。从严格意义上讲,并不属于确定信号。随机信号的分析主要运用统计学参数描述,包括直方图、方差等。在早期的心电信号研究中,大量学者对心电信号进行统计学特征分析。随着非线性科学和计算机技术的发展,人们逐渐运用其他学科理论知识研究心电信号,心电信号的研究不再局限于时频域分析,运用非线性理论及复杂性科学是从新角度对心电信号的定性解读。本文从非线性科学角度出发,运用分形理论与去趋势波动分析方法相结合思想,对十二导联心电信号进行详细分析,并运用复杂度算法从另一角度分析心电信号。本文以老年人心电信号为研究对象,选取三种状态各10名老年人的心电信号,分别就三种信号采用多重分形去趋势波动分析(MFDFA)法,对心肌梗死、心律失常和正常状态三种心电信号进行对比,分析了时间序列的非线性特征。发现三种信号具有多重分形特征,且不同状态的长程相关性数值也不同。通过计算Hurst指数、质量指数及多重分形谱,发现三种信号都具有多重分形特性,且三种生理状态易于区分。绘制标准十二导联心电信号波形图分析,不同状态识别结果和分形理论结果一致。最后分别计算三种状态心电信号LZ复杂度和绘制心电波形图,对信号的特征识别加以确定。本文以心电信号为研究对象,通过分析发现可以运用非线性科学中的一些方法描述心电信号并识别不同生理病态。这为广泛研究人体生理信号提供思路,为心脏患者早期诊断治疗提供帮助,还可能协助医生在心脏疾病诊断提供参考。