论文部分内容阅读
随着社会的进步和发展，心脏类疾病正日益成为人们的主要健康隐患。由于心脏类疾病多为慢性病，且具有明显的突发性，因此一直困扰着广大患者和医学工作者。为了能及时发现心脏的异常活动，希望能找到一种简单有效的方式来监测心脏活动。心电图信号以其无创采集的特性得到了广泛应用。围绕动态心电信号的自动检测与诊断方法，人们正在开展大量的研究工作。为了能够实现智能的24小时心电监测系统，一套快速有效的心电检测与分类算法是必需的。本文针对心电图五大特征波形的自动检测方法和几类常见心电异常的分类方法展开了研究。首先，本文提出了基于小波变换与K均值聚类的QRS波群检测算法，以小波变换为工具对原始心电信号进行预处理，再基于信号波形的斜率信息，利用K均值聚类的方法分离出QRS区域，从而检测出R波，Q波和S波。然后根据T波和P波所处的RR间期中的相对位置信息，检测出T波和P波。在完成了心电信号五大特征波形的检测之后，以此为基础，提取出相应的波形信息（包括时间间隔、波形高度等）。在论文的最后一部分，对正常窦性心律（Normal）和四类异常心律：左束支传导阻滞（LBBBB），右束支传导阻滞（RBBBB），房性早搏（APC），室性早缩（PVC）展开分类研究，以提取出的波形信息组成特征向量，提出了基于支持向量机（SVM）方法的心电分类算法。本文实验中采用的数据集是麻省理工学院提供的心律不齐数据库（MIT-BIH Arrhythmia Database），该数据库的注释文件中标注出了R波位置，并由专家对各个心电周期做了异常分类。将波形检测算法的实验结果与标注进行比对验证，证明本文提出的QRS波群检测算法达到了99.72%的检测敏感度。同时，通过课题组人员人工对P波和T波进行标注，得到P波和T波的检测敏感度分别为93.11%和94.11%。此外，提出的针对五类心电信号的分类算法也获得了95.06%的平均分类精度。