基于心电信号和T波交替分析的心脏猝死无损诊断研究

论文摘要

心脏性猝死（Sudden Cardiac Death,SCD）是一种严重危害人类健康的疾病,世界每年因此病猝死的患者约有1200万,其中SCD占75%。患者一旦出现症状,通常在一小时内死亡,倘若能及时的实行早期电除颤,就能最大限度的挽回患者的生命。因此避免SCD的发生主要是依靠预测和预防。心电图主要反映的是心脏兴奋的电活动过程,其特征参数对于心肌缺血和猝死的诊断具有极高的价值。特别是一种心电信号微弱交替的现象——T波交替（T-wave Alternant,TWA）已经被FDA认证成为预测室性心律失常与SCD独立的、具有统计学意义的指标。本课题通过对心电信号特征值和TWA的分析研究,结合现代非平稳信号处理和模式识别技术,最终实现对SCD的无创诊断。具体内容如下:1、经验模式分解（Empirical Mode Decomposition ,EMD）算法的改进:本文借鉴“镜像延拓”和信号衍生算法提出新的方法改善EMD的边界效应;根据心电信号的特征,提出筛选停止标准的修正方案,提高了实用性。2、心电信号的预处理:提出一种时间尺度滤波法,首先运用改善后的EMD将心电信号分解成多个固有模态函数（Intrinsic Mode Functions,IMFs）,然后通过摒弃含有明显噪声的IMFs,对余量使用软门限阈值去噪,最后重组得到新的检测信号。此时的新信号不仅滤除了相应噪声和干扰,而且有效地突出心电信号特征点。3、心电信号特征点的定位:通过对多个IMFs成分和剩余参量进行频率分析可以知道,QRS波和P波、T波的特征点通过预处理得到加强和突出。因此,本文结合自适应阈值以及一系列补偿类几何策略来分析IMFs,最终达到定位心电特征点的目的。4、TWA的检测:已有的TWA检测方法包括谱分析法、相干平均的快速傅里叶变换法、复合解调法和相关法,本课题首先运用上述几种方法对多种模拟信号进行试验,然后对比检测准确度,从而分析得到这几种方法的优缺点,最后选用相关分析法得到TWA的幅值,将其与T波均值共同作为一个特征参量,运用到SCD诊断中。5、SCD诊断的实现:将机器学习领域的最新研究成果—支持向量机（Support Vector Machine, SVM）应用在SCD的自动分析诊断中。首先确定函数参数,然后构建了SVM分类器,结果表明,利用SVM能够得到较高的诊断率。与传统的神经网络方法相比较,此方法具有更高的诊断率和推广性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.1.1 心脏性猝死的介绍
• 1.1.2 心脏性猝死预警研究的意义
• 1.2 课题研究的国内外现状
• 1.2.1 国外现状
• 1.2.2 国内现状
• 1.3 论文的研究内容及结构安排
• 2 心电信号和T波交替
• 2.1 引言
• 2.2 心电信号生理学基础
• 2.2.1 心电信号的产生原理
• 2.2.2 心电信号波形特点
• 2.3 心电标准数据库
• 2.4 T 波交替分析
• 2.5 本章小结
• 3 心电信号特征值提取
• 3.1 引言
• 3.2 希尔伯特-（黄）分析方法
• 3.2.1 经验模式分解
• 3.2.2 EMD 边界效应的探讨及解决方法
• 3.2.3 EMD 筛选过程及停止标准的选取
• 3.3 基于EMD的心电信号预处理
• 3.3.1 心电信号预处理研究进展
• 3.3.2 心电信号去噪处理
• 3.4 QRS 波群的检测算法
• 3.4.1 QRS波群研究进展
• 3.4.2 QRS波群的检测
• 3.4.3 实验结果讨论
• 3.5 T 波检测算法的设计
• 3.5.1 T波研究进展
• 3.5.2 T 波检测
• 3.5.3 T 波的定位结果分析
• 3.6 本章小结
• 4 T波交替算法设计
• 4.1 引言
• 4.2 TWA 检测方法的研究进展
• 4.2.1 基于短时傅立叶变换的方法
• 4.2.2 基于符号变换
• 4.2.3 基于非线性的方法
• 4.3 TWA 检测算法及验证
• 4.3.1 TWA 检测数据准备
• 4.3.2 TWA 的相关分析
• 4.3.3 TWA 检测结果的分析
• 4.4 本章小结
• 5 支持向量机在心脏性猝死研究中的应用
• 5.1 引言
• 5.2 心电信号用于模式识别的研究进展
• 5.3 统计学习理论
• 5.3.1 机器学习的介绍
• 5.3.2 统计学习的基本理论
• 5.4 支持向量机理论
• 5.4.1 线性可分
• 5.4.2 线性不可分
• 5.4.3 支持向量机
• 5.5 基于支持向量机的心脏猝死无损诊断研究
• 5.5.1 基于神经网络的诊断研究
• 5.5.2 基于支持向量机的诊断研究
• 5.6 本章小结
• 6 总结和展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录