论文部分内容阅读
心肌梗死是冠状动脉急性、持续性缺血缺氧所引起的心肌坏死,具有突发性和致死性等特点。心肌梗死患者的心电信号具有特异性改变,且心电信号检测具有便捷性和无创性等特点。基于心电信号的心肌梗死辅助诊断算法对于心肌梗死患者的早期预防及干预具有重要意义。本文围绕心肌梗死辅助诊断算法开展研究,主要解决目前基于心电信号的心肌梗死辅助诊断算法存在的如下不足:心电信号去噪过程中,低频噪声与ST段频段相近,影响ST段形态;心电信号QRS波检测准确度不高;心肌梗死患者心电特征提取单一、病人间差异的心肌梗死诊断效果较差。针对以上存在的不足,本文研究了心电信号预处理、特征提取和心肌梗死辅助诊断算法,主要研究结果如下:1.提出了一种基于经验模态分解的低频噪声滤除方法,有效滤除了心电信号低频噪声引起的基线漂移和ST段相近频率成分的干扰。ST段与基线漂移的噪声具有相近的频率成分,直接滤除低频信号将造成ST段失真,本文采用经验模态分解,通过置零0至1Hz频率成分占比超过50%的本征模函数实现低频噪声滤除,该方法能够有滤除心电信号的低频噪声且不影响ST段形态变化。对信号使用平稳小波变换,通过置零高频细节系数完成工频干扰和高频噪声的滤除。2.设计了一种基于S变换和相关熵包络的R波峰值点检测算法,有效降低了QRS波检测的漏检率误检率。针对R波峰值点检测,首先对滤波后的心电信号使用交叠剪切和交叠拼合的方式实现S变换,然后计算相关熵包络增强QRS波信息,最后通过设置峰值点的前后距离和幅值大小,自适应调整获取R波峰值点。采用MIT-BIH心律失常数据库中109642个心拍进行实验,结果表明:R波峰值点检测的敏感性、阳性检测度和准确率分别达到了99.86%。99.86%和99.73%,并以R波峰值点为基础实现了心拍分割。3.提出了一种12导联心电信号统计特征、熵特征和深度网络特征的多特征融合方法,有效提高了心电信号的特征表达能力。有效提取表征心肌梗死心电信号的关键特征是实现辅助诊断的前提。本文主要提取了12导联心电信号两方面的特征,第一类是通过人工提取能够反应信号特点的特征,主要包括均值、标准差、峰度系数、偏度系数及熵特征,反映心拍内QRS波、ST段和T波的形态、幅度、时间与频谱复杂性及微小异常动态变化。另一类是深度网络特征,通过残差神经网络提取心电信号心拍的隐藏内在表征信息。在此基础上,本文提出人工特征和深度网络特征的多特征融合方法共提取了12导联352个特征。4.分别采用随机森林、支持向量机和K最邻近算法在病人间和病人内两种模式下实现了心肌梗死的辅助诊断。在心电信号多特征融合的基础上,本文基于PTB心肌梗死数据库分别使用随机森林、支持向量机和K最邻近算法对心肌梗死进行诊断,并分别对病人内和病人间心肌梗死诊断结果进行了分析。结果表明:相比支持向量机和K最邻近算法分类器,随机森林分类器在病人间和病人内两种模式下检测结果均为最优,其中病人内心肌梗死诊断的准确率、敏感度、特异性和F1值均为99.95%;病人间心肌梗死诊断的准确率、敏感度、特异性和F1值分别为93.89%、99.54%、88.25%和94.22%。对比已有研究成果,本文所提算法在病人内和病人间两种模式下的心肌梗死诊断性能均有明显提高。