多导心电特征识别算法优化及应用系统设计.pdfVIP

多导心电特征识别算法优化及应用系统设计 摘要 心血管疾病是一种威胁人类健康的常见病。心电图(ECG)检查与分析是临床上评估 心脏状态及功能常用的手段之一。与其他医学方法相比，具有易于检测、直观性、无创、 准确等优点。现有的心电特征识别与自动分析算法是作为临床医生的心脏疾病筛查辅助 诊断手段之一，特别是对于非心血管专科医生和基层医生是具有重要的临床应用价值。 虽然存在抗干扰性能、算法准确率等不足的问题，研究和改善心电特征识别与自动分析 算法将能持续修正上述不足，同时也将推动更广泛的应用。因此，通过本课题的研究， 极大的改善多导心电特征识别与分析算法，特别是在QRS波、T波、P波及房颤等特征 波识别上。本课题内容主要包含以下几点： 波形检测及优化：提出一种改进的基于数学形态学的PT算法定位QRS波，综合利 用PT算法简单实时性好和数学形态学去高大T波和基线漂移的优点来对QRS波进行准 确定位，在此基础上增加多导叠加分析和平滑处理，准确性更高。QRS波起止点检测方 面，提出了多导联低通差分平滑法，通过融合多导联信号，在传统低通差分法基础上加 入平滑处理，采用单一阈值进行起点和终点的定位。T波检测方面，提出了采用低通差 分法和切线法以及多阈值低通差分法综合分析。P波检测方面，提出了采用低通差分法、 梯形面积法和局部变换域方法综合检测，降低了U波的干扰，提高了其算法准确性。 特征提取与波形形态分类：特征参数提取方面，本课题提取波形形态参数特征。采 用利用稀疏自编码器（SAE）和深度置信网络（DBN）两种方法分别对6种QRS波波形形 态和4种T波形态进行了分类检测，两种方法不需要进行特征提取，将所需检测信号的 某段信号直接送入分类器中即可达到自动分类，降低了算法的复杂性。 心拍分类与房颤检测：心拍分类方面，本课题对房颤进行检测分析，采用一种基于 特征和SVM分类器的房颤分类检测算法，算法选取RR间期和TQ段f波波数两个特征将 心拍分为房颤/正常。经过验证，算法有效，可靠性较高。 系统设计：本课题对心电自动分析系统进行了优化和功能提升,提高了平台的实用 性。且搭建了16导心电实时采集平台，可用于信号采集和波形显示，存储等功能。 SZU数据库：本课题标定了92例12导心电信号，拓展了SZU数据库的数量，经过 临床心电图医生标定，可用于算法测试和验证，并使用SZU数据库对课题算法进行了验 证。 Ⅰ 多导心电特征识别算法优化及应用系统设计 关键词：心电图; 特征点检测; 波形形态分类; 房颤 Ⅱ Multi-channelECGfeaturerecognitionalgorithmoptimizationandapplicationsystemdesign Abstract Cardiovascular disease is a common disease that threatens human health. ECG examination and analysis is one of the common methods for evaluating cardiac status and function in clinic. Compared with other medical methods, it has the advantages of easy detection, intuitiveness, noninvasive and accuracy. The ECG feature recognition and automatic analysis algorithm is one of the clinicians diagnostic tools for heart disease screening,especiallyfornon-cardiovascularspecialistsandprimarydoctors,ithasimportant clinical application value.Although there are