论文部分内容阅读
高血压、冠心病、心肌梗死等心血管疾病的发病率和死亡率逐年增高，已经成为人类健康的“第一杀手”，如何及时诊断心血管疾病已经成为亟需解决的问题。心电信号作为一种非侵入式测量手段，是临床医师判断心血管疾病的主要诊断依据。但是，心电信号的数据量极大，需要耗费医生大量时间解读分析，所以研究心电信号自动分析算法可以将医生从繁重的手工劳动中解脱出来，减少了医生之间的主观差异性，从而提高了心血管疾病的诊断效率。
本文通过交叉小波变换的方法建立了心拍的小波相干图谱和交叉图谱，在相干图谱和交叉图谱上提取了和心拍分类相关的20组特征，然后引入支持向量机分类方法对提取到的特征进行分类，在分类中研究了最优参数的寻优方法，缩短了寻优时间。针对上述心拍分类过程中分类精度受参考心拍影响较大问题，提出了一种基于点集分组配准的心拍模板自动生成算法，优化了参考心拍的选取，实现了正常心拍，左束支传导阻滞，右束支传导阻滞，起搏心跳，室性期前收缩以及房性期前收缩六类心拍的自动分类。具体研究内容和贡献点包括：
(1)提出了基于交叉小波变换的方法，用于心拍信号的特征表示。建立了小波相干图和交叉图将时频特征以图谱的形式显示出来，并通过在四个方向角度上(θ=0°，45°，90°，135°)建立其灰度共生矩阵后计算提取了能量、熵、惯性矩等20组特征。
(2)提出了改进网格搜索算法用于心拍自动分类。用较大步距进行粗略搜索，得到的惩罚因子C和核函数γ，在这一对参数附近缩小搜索步距，进行精细搜索，得到最优参数，使心拍分类精度达到94.96%，并缩短了分类时间。
(3)针对心拍分类过程中分类精度受参考心拍影响较大的问题，提出了基于点集分组配准的参考心拍模板自动生成算法，将心拍模板的生成问题转换为点集分组配准问题。综合分析了CDF-HC、Holder等方法，考虑模板拟合度和配准时间，提出了基于信息势的点集分组配准方法生成了参考心拍模板，将心拍分类精度提升到96.17%。
本文通过交叉小波变换的方法建立了心拍的小波相干图谱和交叉图谱，在相干图谱和交叉图谱上提取了和心拍分类相关的20组特征，然后引入支持向量机分类方法对提取到的特征进行分类，在分类中研究了最优参数的寻优方法，缩短了寻优时间。针对上述心拍分类过程中分类精度受参考心拍影响较大问题，提出了一种基于点集分组配准的心拍模板自动生成算法，优化了参考心拍的选取，实现了正常心拍，左束支传导阻滞，右束支传导阻滞，起搏心跳，室性期前收缩以及房性期前收缩六类心拍的自动分类。具体研究内容和贡献点包括：
(1)提出了基于交叉小波变换的方法，用于心拍信号的特征表示。建立了小波相干图和交叉图将时频特征以图谱的形式显示出来，并通过在四个方向角度上(θ=0°，45°，90°，135°)建立其灰度共生矩阵后计算提取了能量、熵、惯性矩等20组特征。
(2)提出了改进网格搜索算法用于心拍自动分类。用较大步距进行粗略搜索，得到的惩罚因子C和核函数γ，在这一对参数附近缩小搜索步距，进行精细搜索，得到最优参数，使心拍分类精度达到94.96%，并缩短了分类时间。
(3)针对心拍分类过程中分类精度受参考心拍影响较大的问题，提出了基于点集分组配准的参考心拍模板自动生成算法，将心拍模板的生成问题转换为点集分组配准问题。综合分析了CDF-HC、Holder等方法，考虑模板拟合度和配准时间，提出了基于信息势的点集分组配准方法生成了参考心拍模板，将心拍分类精度提升到96.17%。