学位论文 > 优秀研究生学位论文题录展示
ECG波形分类算法研究
作 者: 洪玮
导 师: 段会龙
学 校: 浙江大学
专 业: 生物医学工程与仪器
关键词: 波形分类 算法研究 室性早搏 模板匹配 分类算法 心电图分析 分类规则 心电图波形 特征提取 识别和分类
分类号: R311
类 型: 硕士论文
年 份: 2001年
下 载: 476次
引 用: 19次
阅 读: 论文下载
内容摘要
心电图的自动分析对于心血管疾病的分析和诊断有着十分重要的意义。随着心电图在临床中日益广泛的应用,如何对海量的心电图数据记录进行更加精确和快速的计算机自动分类作为一个综合和复杂的课题,也就越来越受到广大研究者的重视。 本文首先简要综述了心电图波形分类的基础技术——波形检测技术的现状,并对目前已有的波形分类的两大类算法——模板匹配算法和特征提取分类算法作了比较,对它们各自的有代表性的几种算法进行了描述,分析其特点和不足之处。 其次,本文提出了基于模板匹配和特征提取相结合的室性早搏分类算法。模板匹配算法应用了基于轮廓限围理论的可变区域模板技术,具有自学习自适应的特点,因此模板能够对心拍的波形形态信息进行实时更新。然后本文选取了4个参量进行特征模糊识别和分类,建立了一套室性早搏分类规则。通过MIT/BIH数据的实验研究证明,其判别室性早搏的特异度和灵敏度分别高达99.51%和96.84%,这是以往的模板匹配算法和特征分类算法所不能达到的。并且,由于其简单的模板匹配原理和简化了的特征分类规则,该算法在分析速度上也达到了令人满意的效果。 最后,基于这种新的分类算法,本文开发了一个心电图分析中心。在对心电图数据的高精度分类结果的基础上,实现了室性早搏连发事件的计测、全套心率变异性指标的统计、ST段参数的测量与描述,解决了心电图分析中的典型问题。
|
全文目录
第一章 绪论 7-12 1.1 心电的产生原理与电生理特性 7-9 1.2 心电自动分析技术概述 9-11 1.2.1 心电自动分析技术的发展 9 1.2.2 ECG自动分析的内容和重点 9-11 1.3 本文的研究工作 11-12 第二章 ECG波形检测算法 12-23 2.1 预处理技术 12-15 2.1.1 噪声及其特性 12-14 2.1.2 预处理技术 14-15 2.2 QRS复波检测技术 15-19 2.2.1 基于信号处理的QRS检测 16-18 2.2.2 基于图形识别的QRS检测 18-19 2.3 其它波段检测技术 19-21 2.3.1 P波和T波的检测方法 19-20 2.3.2 ST段检测方法 20-21 2.4 小结 21-23 第三章 ECG波形分类算法 23-44 3.1 波形分类中存在的几个难点 23 3.2 模板匹配算法 23-30 3.2.1 波形形态分类算法 23-27 3.2.2 线性预测算法 27-30 3.2.3 小结 30 3.3 特征提取分类算法 30-44 3.3.1 时域分析 30-31 3.3.2 频域分析 31-32 3.3.3 多分辨分析 32-36 3.3.4 模糊分析 36-40 3.3.5 基于神经网络的分类 40-43 3.3.6 小结 43-44 第四章 基于模板匹配和特征提取相结合的PVC分类算法 44-64 4.1 QRS—T波形检测和特征提取 44-47 4.1.1 数字滤波 44-45 4.1.2 QRS复波检测 45-46 4.1.3 P—Q段平坦部分的检测 46 4.1.4 T波检测 46-47 4.2 基于形态的模板匹配 47-52 4.2.1 形态学模板匹配原理 47-49 4.2.2 模板匹配算法的实现 49-52 4.3 特征分类与决策 52-58 4.3.1 参量的识别 52-56 4.3.2 特征分类 56-58 4.4 MIT/BIH数据库对分类方法的结果评估 58-62 4.5 小结与讨论 62-64 第五章 ECG分析中心的系统实现 64-75 5.1 概述 64 5.2 开发环境 64-65 5.2.1 硬件环境 64-65 5.2.2 软件配置 65 5.3 系统软件的设计 65-75 5.3.1 系统结构 65-67 5.3.2 系统实现 67-75 第六章 总结与展望 75-77 6.1 总结 75 6.2 展望 75-77 6.2.1 多模板技术 75-76 6.2.2 特征分类的准则的拓展 76-77 参考文献 77-85
|
相似论文
- 极化干涉SAR信息提取方法及其应用研究,P225
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
中图分类: > 医药、卫生 > 基础医学 > 医用一般科学 > 医用数学
© 2012 www.xueweilunwen.com
|