胃电检测方法的研究及相关数据分析

论文摘要

体表胃电图（EGG）是胃肠动力学研究的一项重要工具。目前临床上应用的EGG检测系统和分析方法,仍停留在上世纪80、90年代的水平,亟待更新。基于“全面更新”的目标,本课题对胃电的仿真模型、底层的数据采集系统、数据预处理的方法、数据的分析等环节进行了重新设计。论文的主要研究内容包括:1.建立了胃电慢波的仿真模型,并模拟了体表胃电的采集环境。该模型的建立,对于硬件设计和预处理算法的参数选取和性能评价具有指导意义。2.探讨了将Laplacian电极技术引入胃电检测领域的可行性,通过理论分析与工程实践相结合,提出了Laplacian电极设计的一些原则。并在此基础上,设计了应用于胃电检测的Laplacian电极传感器。3.在硬件设计方面,针对胃电幅值低、频率低、信噪比低的特点提出了低放大倍数与宽动态范围相结合的硬件设计原则。分别建立了基于24bitΣ-ΔADC的高精度胃电采集系统和基于过采样的通用生物电采集系统。后者通过过采样技术使其分辨率达到与Σ-ΔADC相当的水平,又弥补了Σ-ΔADC速度的不足,并且其速度和有效分辨率软件可调,具有极好的通用性。此外,本文还提出了一种应用电子微囊检测黏膜胃电的方法。4.在信号的预处理环节,充分考虑了胃电的非线性非平稳特征,以及胃电检测中,由于个体差异较大,各种先验知识难以获得的疤?。尽量采用盲处理和自适应的方法。采用经验模态分解重构（EMD）滤除胃电中混有的心电和呼吸干扰。对多导信号,还引入了独立成分分析（ICA）方法,对多通道进??步滤波。此外,针对粗大误差,提出了差分替换算法,有效地滤除了信号中混有的运动伪迹和基线漂移。5.在EMD的基础上,本文引入了胃电信号的Hilbert谱和Hilbert边际谱代替传统的功率谱分析,实践证明,可以获得更高的时域和频域分辨率。6.利用支持向量机（SVM）对临床采集的38例正常和非正常胃电数据进行了分类研究,证实识别率较高,泛化能力较强。此外,在构造样本时,本文对现有的胃电图评判标准中,与最新进展较为脱节的部分提出了修改意见。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 胃电图研究的起源及历史回顾
• 1.2 胃电图研究的进展及现状
• 1.2.1 胃电产生机理的研究
• 1.2.2 胃电检测和分析中所面临的难题
• 1.2.3 胃电在临床上的应用
• 1.3 课题研究意义与目的
• 1.3.1 课题研究意义
• 1.3.2 课题研究目的
• 1.4 论文主要研究内容及结构
• 第二章 胃电采集的电生理基础和仿真模型
• 2.1 胃的生理解剖和组织结构
• 2.2 胃的运动及胃运动的调节
• 2.2.1 胃的运动
• 2.2.2 胃肠运动的神经和体液调节
• 2.3 胃运动的电生理基础
• 2.3.1 平滑肌的静息电位
• 2.3.2 平滑肌的慢电位
• 2.3.3 平滑肌的动作电位
• 2.4 胃电信号的建模及胃电采集环境的仿真
• 2.4.1 胃电慢波信号建模的主要依据
• 2.4.2 现有的胃电慢波模型
• 2.4.3 改进的移动偶极子慢波模型
• 2.4.4 胃电采集环境的仿真
• 2.5 胃电检测中 Laplacian 电极的应用
• 2.5.1 Laplacian 电极技术的引入
• 2.5.2 Laplacian 电极原理
• 2.5.3 Laplacian 电极尺寸参数的设计原则
• 2.5.4 Laplacian 电极的设计步骤
• 2.5.5 胃电Laplacian 电极的参数设计
• 2.6 多导联体表 EGG 的电极定位
• 2.6.1 现有的体表EGG 电极定位方法
• 2.6.2 多导联体表EGG 的扇形电极定位方法
• 2.7 本章小结
• 第三章 胃电信号采集平台的建立
• 3.1 过采样原理简述
• 3.1.1 过采样的基本原理
• 3.1.2 过采样的低通效应
• 3.2 基于 24bit Σ-ΔADC 的胃电采集系统
• 3.2.1 Σ-ΔADC 的基本原理
• 3.2.2 系统的组成
• 3.2.3 系统主要参数的设计
• 3.2.4 系统的软件开发
• 3.2.5 系统的临床应用
• 3.3 基于过采样的通用生物电检测系统
• 3.3.1 系统的组成
• 3.3.2 ADC 带宽的动态分配
• 3.3.3 系统的软件设计
• 3.3.4 系统通用性的临床检验
• 3.4 电子微囊式胃肠电检测技术的初步研究
• 3.4.1 电子微囊的结构
• 3.4.2 系统的整体构成
• 3.4.3 目前存在的问题
• 3.5 本章小结
• 第四章 基于非线性非平稳特征的胃电信号预处理
• 4.1 基于差分替换和经验模态分解的运动伪迹消除
• 4.1.1 问题的提出
• 4.1.2 差分替换的原理
• 4.1.3 算法的评价与讨论
• 4.2 基于独立成分分析（ICA）的多导胃电分析
• 4.2.1 ICA 原理简述以及FastICA 算法
• 4.2.2 应用FastICA 算法提取多导胃电
• 4.2.3 多导胃电的时延估计
• 4.2.4 FastICA 算法的优势和局限性
• 4.3 基于经验模态分解（EMD）的胃电信号提取
• 4.3.1 EMD 的基本原理
• 4.3.2 EMD 用于胃电提取时的性能评价
• 4.3.3 EMD 提取胃电的实际应用
• 4.4 胃电信号的谱分析
• 4.4.1 基于STFT 的胃电功率谱
• 4.4.2 胃电的小波谱
• 4.4.3 胃电的Hilbert 谱
• 4.5 本章小结
• 第五章 基于支持向量机的胃电数据挖掘
• 5.1 支持向量机原理
• 5.1.1 线性支持向量机
• 5.1.2 支持向量机的推广
• 5.2 基于支持向量机的胃电分类
• 5.2.1 胃电图的检查及评判标准
• 5.2.2 数据的采集和预处理
• 5.2.3 SVM 学习结果
• 5.3 本章小结
• 第六章 结论和展望
• 6.1 课题的主要工作内容
• 6.2 课题的主要创新性工作与研究结果
• 6.3 课题的展望
• 参考文献
• 发表论文及科研工作
• 博士在学期间发表论文
• 致谢