论文摘要
心血管疾病是当今危害人类健康的主要疾病之一,心电图(Electrocardiogram,ECG)检查是目前临床上诊断心血管疾病的重要手段。利用计算机对心电信号进行自动准确的分析一直是国内外学者研究的热点,而心电图的自动分类又是其中的一个难点。在各种心血管疾病中,室性早搏(Premature Ventricular Contraction,PVC)是一种最常见的心律失常,它的实时、正确检测是心电图自动分析的一项重要技术,对提高心律失常检测、监护系统和动态心电图分析系统的性能起关键作用,对改善心脏病诊断有重要的实用价值。本文根据心电信号与小波变换的特点,在总结前人工作的基础上,主要做了以下几方面的工作:1.信号的预处理:应用小波变换的阀值滤波法处理心电信号中的工频干扰、肌电噪声及基线漂移等噪声,通过仿真可以看出该方法对于上述噪声的消除具有较好的效果。2.QRS波群的检测:通过对临床常见QRS复合波形态的研究,利用信号奇异点、Lipschitz指数与小波变换中模极大值之间的关系,通过小波变化的过零点准确定位QRS复合波。选择合适母小波,经MIT—BIH心律失常数据库验证,QRS复合波的检测率达到99.40%。3.心电图的自动分类:设计了一种基于小波分析的小波神经网络心电图分类算法。该网络利用具有多分辨率的小波函数取代了原来的非线性基函数,通过改变小波激励函数的尺度和位移因子,自动提取输入信号的特征信息,从而对输入信号进行模式分类。通过大量的心电图样本训练后的网络不仅对训练样本有较高的分辨率(97.5%),而且对未训练过的样本也有较好的分辨率(94.7%)。
论文目录
摘要ABSTRACT目录第一章 绪论1.1 心电图简述1.1.1 心电图特征1.1.2 心电图的导联1.2 MIT-BIH心律失常数据库简介1.3 心电自动分析技术概述1.3.1 心电图自动分析技术历史1.3.2 心电图自动分析内容与现状1.4 本文的主要研究内容及章节安排第二章 小波变换的基本理论2.1 连续小波变换2.2 离散小波变换2.3 等效滤波器与小波的选择2.3.1 等效滤波器2.3.2 小波的选择2.4 多分辨率分析与Mallat快速算法2.4.1 多分辨率分析2.4.2 Mallat快速算法第三章 基于离散小波变换的ECG降噪3.1 心电图的能量谱分析及其噪声特点3.2 小波阀值降噪3.2.1 小波降噪的基本原理3.2.2 阀值选择3.2.3 非线性阀值的处理3.3 实验仿真与结果分析3.3.1 实验仿真3.3.2 结论第四章 基于连续小波变换的QRS波检测4.1 信号奇异性在小波变换下的表现4.1.1 Lipschitz正则性4.1.2 奇异性检测4.1.3 小波变换极大值的收敛4.2 实验仿真与结果分析4.2.1 实验仿真4.2.2 结论第五章 基于小波神经网络的ECG分类算法5.1 人工神经网络的概述5.1.1 神经元模型5.1.2 常见人工神经网络5.2 小波神经网络的原理5.3 实验仿真与结果分析5.3.1 实验仿真5.3.2 结合滤波和检测的完整分类5.3.3 结果分析第六章 结论与展望6.1 结论6.2 下一步工作展望参考文献致谢攻读学位期间主要的研究成果
相关论文文献
标签：心电图论文; 室性早搏论文; 小波论文; 小波神经网络论文; 分类论文;
