基于混沌时间序列的心电信号辅助诊断

基于混沌时间序列的心电信号辅助诊断

论文摘要

心脏疾病是当今威胁人类健康的最严重的疾病之一,在我国心脏病发病率很高而且呈逐年递增的趋势,所以心脏病的防治和诊断已成为当今医学界面临的主要问题。心电图ECG是临床上诊断心脏疾病的重要常规方法,是诊断心脏疾病的重要依据。因此,关于心电信号的处理和分析的研究显得越来越重要了。随着计算机技术的进步,所采用的方法也在不断的改进中。新发展起来的混沌理论为研究心脏电活动提供了新的方法。本论文的研究以临床应用为目的,通过分析心电信号的混沌特征,探讨混沌动力学分析方法在研究心脏活动和疾病诊断中应用的可行性和适用程度,希望为研究心脏活动和进一步的早期临床诊断提供一些新的手段和方法。采用的心电信号均来自国际上公认的MIT—BIH数据库。对健康人、窦性心动过缓病人和室性早搏病人等3种类型心脏病人的数据作为样本进行对比分析。在总结和研究了混沌动力学的基本原理,特别是从时间序列计算混沌动力学参数的基础上,利用功率谱分析、相空间重构、关联维数,最大Lyapunov指数等,得出一些有意义的结论。l)心电信号的功率谱均为连续的频谱,说明心脏系统信号不是简单的随机信号,也不是周期信号。2)计算心电信号的关联维数,所得结果均为非整数,表明心脏系统是混沌的。3)心电信号的最大Lyapunov指数均为正数,表明心脏系统是混沌的。能有效地将健康人和心脏病人区分开来。4)进行了仿真实验,通过实验结果说明了健康人心脏的混沌性最强,窦性心动过缓病人、室性早搏病人病态心脏的混沌性渐渐减弱了。这为利用混沌特征对ECG进行分析及用于心脏疾病的辅助诊断提供了依据。

论文目录

  • 中文摘要
  • Abstract
  • 第一章 绪论
  • 1.1 混沌的定义
  • 1.2 混沌理论的发展简史
  • 1.3 混沌的本质和特征
  • 1.4 混沌理论的应用
  • 1.5 各章节安排
  • 第二章 心电信号的基本知识
  • 2.1 心电信号的产生
  • 2.2 心电图介绍
  • 2.3 心电信号的研究意义
  • 2.4 混沌理论在ECG 分析中的应用
  • 2.5 MIT-BIH 心电数据库介绍
  • 第三章 ECG 相空间重构
  • 3.1 时间序列的相空间重构
  • 3.2 基于相空间重构的参数确定
  • 3.2.1 嵌入维数m 的确定
  • 3.2.2 延迟时间τ的确定
  • 3.3 ECG 的相空间重构
  • 3.4 小结
  • 第四章 混沌在ECG 分析中的应用
  • 4.1 仿真工具
  • 4.2 功率谱分析法
  • 4.2.1 时间序列的功率谱分析法
  • 4.2.2 ECG 的功率谱分析
  • 4.3 关联维数
  • 4.3.1 关联维数的计算
  • 4.3.2 ECG 的关联维数
  • 4.4 Lyapunov 指数
  • 4.4.1 最大Lyapunov 指数的计算
  • 4.4.2 ECG 的Lyapunov 指数的计算
  • 总结
  • 参考文献
  • 攻读硕士学位期间发表的论文
  • 致谢
  • 相关论文文献

    • [1].基于条件熵的混沌时间序列的非均衡重构[J]. 山西科技 2020(05)
    • [2].多元混沌时间序列的加权极端学习机预测[J]. 控制理论与应用 2013(11)
    • [3].混沌时间序列的平均周期计算方法[J]. 系统工程 2010(12)
    • [4].最小二乘支持向量机在混沌时间序列中的应用[J]. 计算机仿真 2011(02)
    • [5].混沌时间序列的支持向量机预测[J]. 统计与决策 2010(01)
    • [6].基于多元混沌时间序列的数控机床运动精度预测[J]. 农业机械学报 2017(03)
    • [7].混沌时间序列分析与预测研究综述[J]. 信息与控制 2020(01)
    • [8].基于鲁棒极端学习机的混沌时间序列建模预测[J]. 物理学报 2018(03)
    • [9].基于混沌时间序列的地下水动态预报[J]. 水资源与水工程学报 2010(05)
    • [10].混沌时间序列的神经网络预测研究[J]. 海军航空工程学院学报 2008(01)
    • [11].基于粒子滤波的混沌时间序列局域多步预测[J]. 现代电子技术 2018(01)
    • [12].基于径向基神经网络预测的混沌时间序列嵌入维数估计方法[J]. 物理学报 2011(07)
    • [13].基于混沌时间序列的桥梁沉降预测[J]. 北京测绘 2018(08)
    • [14].多元混沌时间序列的因子回声状态网络预测模型[J]. 自动化学报 2015(05)
    • [15].基于多元混沌时间序列的油田产量预测模型[J]. 数学的实践与认识 2016(06)
    • [16].混沌时间序列在股票价格长期预测中的应用[J]. 哈尔滨商业大学学报(自然科学版) 2015(01)
    • [17].一种错误率可控的混沌时间序列区间预测算法[J]. 控制与决策 2019(05)
    • [18].一种基于误差补偿的多元混沌时间序列混合预测模型[J]. 物理学报 2013(12)
    • [19].基于SVM的混沌时间序列分析[J]. 动力学与控制学报 2009(01)
    • [20].混沌时间序列的模糊聚类预测与目标检测[J]. 电子测量与仪器学报 2008(05)
    • [21].混沌时间序列拟随机性的一种解释[J]. 南京工程学院学报(自然科学版) 2017(02)
    • [22].基于最大Lyapunov指数不变性的混沌时间序列噪声水平估计[J]. 物理学报 2012(06)
    • [23].基于遗传算法优化RBF网络的预测混沌时间序列[J]. 科技通报 2012(08)
    • [24].基于李雅普诺夫指数的临近点选取方法[J]. 统计与决策 2016(20)
    • [25].基于混沌时间序列支持向量机的开关磁阻电机建模[J]. 制造业自动化 2012(06)
    • [26].基于混沌时间序列模型的危险化学品泄漏事故预测[J]. 安全与环境工程 2018(03)
    • [27].基于条件熵扩维的多变量混沌时间序列相空间重构[J]. 物理学报 2011(02)
    • [28].基于混沌时间序列分析的感光式火灾识别算法[J]. 火灾科学 2008(04)
    • [29].基于混沌时间序列的模糊神经网络预测研究[J]. 软件导刊 2018(02)
    • [30].基于联合熵的多变量混沌时间序列相空间重构[J]. 西南师范大学学报(自然科学版) 2011(04)

    标签:;  ;  ;  ;  

    基于混沌时间序列的心电信号辅助诊断
    下载Doc文档

    猜你喜欢