学位论文 > 优秀研究生学位论文题录展示

心电信号ST段分析研究

作　者: 李露
导　师: 杨浩
学　校: 重庆大学
专　业: 电气工程
关键词: 心电图零相位滤波器基线漂移函数拟合神经网络
分类号: R540.41
类　型: 硕士论文
年　份: 2007年
下　载: 189次
引　用: 1次
阅　读: 论文下载

内容摘要

心电图(ECG)已成为心脏病临床诊断不可缺少的常规检查手段之一,心电图检查的准确性关系到人类的生命和健康,研究开发高性能的心脏检查设备,提高心脏病诊断的准确率具有十分重要的社会意义和应用价值。ST段分析是心电图分析的重要组成部分,但心肌复极过程中受到由于心肌缺血、电解质紊乱、药物等因素干扰时,心电图上表现为ST段改变。因此,及时准确地检测、定位、测量ST段具有重要的临床诊断价值。但目前利用计算机进行ST段的自动检测效果还远不能令人满意,迫切需要工程技术人员和医务工作者的共同努力来寻求新的有效的处理方法。本文针对ST段分析中的难点和特点,从以下几个方面进行了研究:①针对ST段分析的特殊要求,根据零相位滤波器的滤波原理,设计了一种适用于ST段分析的零相位滤波器。通过对滤波前后信号的频谱分析,和三角波叠加模拟基线漂移实验验证,本文中设计的零相位滤波器在有效滤除低频干扰的同时,能够极好的保持ST段原有的形态而不受影响。②心电信号特征点检测。在对R波准确定位的基础上,主要对P波的检测方法做了深入研究。利用P波在心电波形中位置和形状等波形特征,在前人研究基础上,本文提出了一种基于最优区间函数拟合的P波识别方法,根据最小二乘法原理,通过对比拟合误差确定最优函数拟合区间,采用二次函数对P波进行逼近,最终确定P波的起点和终点,进一步提高对P波特征点检测的准确率。并用MIT-BIH心电数据库的大量心电数据对该方法进行验证,其准确率高达98%。文章中还研究了心电信号其他特征点的检测算法,为后面ST段分析奠定了基础。③在学习神经网络理论知识的基础上,采用BP神经网络对ST段形态进行分类识别。对BP神经网络设计过程中样本的选择,各种参数、学习算法的确定等,通过实验对比,做了详细的说明;最后对设计的BP网络,采用了大量不同形态的ST段波形进行测试,其准确率较为满意。④对目前国内外主要采用的几种ST段电平测量方法进行了研究,并以欧洲ST心电数据库的数据为例,通过实验将各种分析方法所得结果和专家标注做了对比,并作出ST段偏移趋势图,分析了ST段测量的影响因素,以及各种测量方法的优缺点,为本文中最终确定ST段电平检测算法提供了依据。

全文目录

中文摘要  3-4
英文摘要  4-8
1 绪论  8-17
  1.1 引言  8
  1.2 人体心电信号的产生及其发展历史  8
  1.3 正常心电波形及其意义  8-10
  1.4 心电图ST 段改变及其临床意义  10-13
    1.4.1 ST 段介绍  10
    1.4.2 ST 段形态特征  10-12
    1.4.3 ST 段改变及临床意义  12-13
  1.5 ST 段分析国内外研究现状  13-15
  1.6 本文的研究目的和内容  15-17
    1.6.1 本文的研究目的  15
    1.6.2 本文的研究内容  15-17
2 心电信号预处理  17-28
  2.1 心电信号的各种干扰因素  17-18
  2.2 滤波器的选择  18-19
  2.3 零相位IIR 数字滤波器的研究和性能分析  19-27
    2.3.1 零相位数字滤波器原理  19-21
    2.3.2 零相位IIR 数字滤波器的实现  21-22
    2.3.3 零相位IIR 数字滤波器的性能分析  22-27
  2.4 小结  27-28
3 心电信号特征参数检测  28-39
  3.1 引言  28
  3.2 基于时域分析的QRS 波检测  28-29
    3.2.1 R 波检测  28
    3.2.2 Q 波、S 波检测  28-29
  3.3 基于函数拟合的改进的P 波、T 波检测算法  29-37
    3.3.1 常用P 波检测方法  29-30
    3.3.2 二次函数拟合P 波算法原理  30-31
    3.3.3 改进的基于最优区间函数拟合的P 波检测算法  31-34
    3.3.4 P 波检测算法实验结果及可靠性验证  34-37
    3.3.5 T 波检测  37
  3.4 J 点、RR 间期、等电位参数提取  37-38
    3.4.1 J 点检测  37-38
    3.4.2 RR 间期参数提取  38
    3.4.3 等电位参数提取  38
  3.5 小结  38-39
4 ST 段分析研究  39-63
  4.1 ST 段形态识别常用方法  39-41
  4.2 BP 神经网络模型及学习算法  41-47
    4.2.1 神经元模型  41-43
    4.2.2 感知器及其学习算法  43-44
    4.2.3 BP 网络结构模型及学习算法  44-47
  4.3 基于BP 神经网络的ST 段形态识别算法研究  47-55
    4.3.1 ECG 信号预处理  47-48
    4.3.2 BP 神经网络结构设计  48-51
    4.3.3 BP 神经网络训练及性能测试  51-55
  4.4 ST 段电平测量方法研究  55-62
    4.4.1 ST 段电平测量方法  55-57
    4.4.2 ST 段电平测量方法实验分析  57-62
  4.5 小结  62-63
5 结论与展望  63-65
致谢  65-66
参考文献  66-70
附录  70

心电信号ST段分析研究

内容摘要

全文目录

相似论文