郑臣[1]2012年在《实时动态心电图认知与自动诊断系统的研究》文中研究指明动态心电图是远程诊断心血管疾病的重要依据,对远程医疗监护和临床诊断都具有非常重要的意义。为了能够实现网络环境下的实时动态监护,必须首先进行实时动态心电图认知与自动诊断系统的研究。论文在研究动态心电信号处理技术的基础上,采用小波变换多尺度多分辨率的特性对心电信号的预处理和波形特征值测量方面进行了定量研究；利用BP神经网络对急性心肌缺血症状进行认知诊断研究；利用VC++6.0集成开发环境,基于MySQL数据库和MATLAB数据处理软件开发了动态心电图认知系统。论文采用小波变换阈值法、重构法以及阈值法重构法相结合的方法对动态心电信号进行了滤波去噪处理；采用小波变换检测信号突变点,对动态心电信号波形的识别测量进行了算法设计；采用BP神经网络对动态心电信号进行识别；实现了动态心电信号的预处理、波形识别、特征参数测量等功能,同时对读入的动态心电信号进行分析处理之后,就可以做出有关的病理诊断报告。本论文的成果为实现网络环境下的实时动态监护和自动诊断系统打下了一个良好基础。
涂岳文[2]2013年在《Holter系统中运动伪差自动识别的关键技术及算法研究》文中认为运动干扰是动态心电图(Holter)系统中最为普遍、最难处理的噪声干扰类型,已经成为当前影响动态心电图判读准确性与诊断效率最为主要的因素之一。目前,关于动态心电图运动干扰处理技术的研究主要集中在如何有效地消除运动伪差,而同样关键的运动伪差识别技术以及相关算法却存在许多空白。本论文对Holter系统中运动伪差自动识别的关键技术与算法进行了深入研究,其主要的研究内容和创新成果如下：1、实现了加速度信号采集模块与Holter记录仪的集成,对不同的健康受试者设计了各种运动实验以探讨加速度信号在运动干扰识别方面的应用。通过在PC上对所采集的叁轴加速度信号进行二项式拟合、高通滤波以及均方根求和处理得到运动参考信号(REF)之后,对REF信号进行了光谱映射处理,以辅助临床医生对被检查者的运动时间段进行快速定位。2、提出了一种新的运动干扰伪差段自动识别算法。通过分析心拍QRS波形态在运动干扰伪差段中的变化规律,基于全程心拍的形态学模板聚类结果,计算了心拍形态无序畸变特征曲线(Consequent Beats Shape Mutation Curve, cSMC),然后在cSMC曲线上进行模糊逻辑决策与局部积分处理,最终得到运动干扰段的起始与终止位置。经MIT-BIH噪声测试数据库验证,算法的准确度为：灵敏度=97.95%,正常心拍误检率=0.91%,室上性心拍误检率=3.33%。此外,在Intel双核2.5G/2GB PC机上,算法对时长约24小时的临床动态心电图的总识别时间小于4秒。3、提出了结合高阶统计量的运动干扰心拍自动识别算法。对临床上四种常见形态类型的干净心拍加入不同信噪比的运动噪声,通过分析它们的峰度系数变化特征,提出了结合峰度系数与心拍特征的多参数分层次的运动干扰心拍判定策略。在基于心拍模板聚类的运动干扰伪差段识别算法上引入该策略后,整体算法在保证识别精度基本不变的前提下,有效地降低了对正常心拍与室上性心拍的误检率：灵敏度=96.66%,正常心拍误检率=0.19%,室上性心拍误检率=1.74%。4、结合MIT-BIH噪声测试数据库与临床数据集对本论文的算法进行了验证分析,并按照美国动态心电图机国家标准ANSI/AAMI EC38:1998提出的要求,计算得出了算法的准确度随运动干扰信噪比的变化曲线。实验结果表明,与现有运动干扰伪差识别方法相比较,本论文所提出的运动干扰伪差自动识别算法获得了更高的准确度,并且具有更加高效的运算性能,因此更能适合临床应用。本论文所提出的运动干扰伪差自动识别算法已经集成至临床Holter系统,并被应用于各种需要区分运动伪差与干净心拍的分析功能中,比如房颤自动检测、心律失常分类、T波电交替分析等等,大大提高了这些分析算法的抗运动干扰性能。
林欣[3]2007年在《十二导联心电数据库生成系统的设计与实现》文中认为心电数据库中包含的是经过临床资料证实,并由权威专家组成的小组进行测量、标注、并给出结论的心电数据。心电数据库是进行心电学研究的宝贵资源,具有重要的意义。心电数据库作为教学资料,可以为心电学专业的学者提供丰富的信息,供其研究、学习,分析寻找其中的规律;心电数据库作为检测各类心电图自动分析设备、算法的有效性的评判标准,将各种算法的检测、分析结果与心电数据库中的值进行比较,可以对该设备、算法做出客观的评价;除此之外,开发和利用心电数据库可使心电图的研究进入更加科学、有序、规范和循证的轨道,从而可以得到更加客观和正确的结果。本文首先介绍本课题的研究背景以及国内外研究现状,然后作为本课题的基础知识介绍了心电图学的一些基本概念和知识。接下来本文的重点围绕着十二导联数据库生成系统的开发过程进行阐述,讨论了各个模块的设计思想,遇到的技术问题以及解决方法。要建立心电数据库,第一步要解决的是心电信号的采集问题,在此讨论了心电信号的特征、存在的干扰类型以及消除方法、存储格式以及格式转换中所遇到的问题。心电数据库除了心电信号外还要包含专家对心电信号的标注、测量,因此第二步要做的是开发心电标注编辑程序供心电专家使用。在这一部分讨论了心电图形在屏幕上显示的问题,标注文件的存储格式,以及实现标注编辑功能中遇到的技术问题。为了提高标注效率,需要实现计算机对心电图的自动识别、标注。接下来本文探讨了目前常用的心电波形的识别算法,在此基础上提出了一种QRS波群识别算法,并根据此算法设计并实现了心电图自动标注程序。在本文的最后对本课题的应用前景和技术的进一步发展做出了展望。
张文琼[4]2004年在《动态心电图自动检测及分析方法的研究》文中研究说明论文以动态心电图自动检测及分析为背景,研究了基于小波变换的自适应阈值消噪方法,通过分析比较四种白适应阈值选取规则,用基于Donoho固定阈值的小波去噪法滤除了心电图工频及肌电干扰,取得了很好的滤波效果。 针对基线漂移噪声问题,本文提出了一种利用小波变换逼近信号进行滤波的新方法。通过对ECG信号进行多尺度分解,利用分解后所得的逼近信号充分逼近心电图中的基线漂移噪声的特性,滤除心电图中的基线漂移分量。实验证明该方法能在保证心电图特征无损害的情况下充分地滤除心电图基线漂移噪声。 在心电图特征检测过程中,针对QRS波群检测问题,改进了原有的小波检测方法,结合原始信号和小波系数两方面的信息加以检测,达到了99.99%的检测正确率。对于P、T波的检测问题,采用在特定区间内通过斜率和幅值加以检测的方法,对正常心电图检测效果较好,但不适用于不规则的和病态心电图。 最后,设计了基于决策树的心律失常自动分析方法,并以窦性心律和异位心律分类决策树的构建为例,说明了心律失常决策树的构建方法及自动分析规则的产生过程。
卞玉萍[5]2006年在《长时程动态心电信号的分析方法研究》文中研究表明心血管疾病是威胁人类生命的最主要疾病之一,随着我国人口老龄化程度的增加,心脏病成为我国越来越突出的问题。因此,研究高性能的心脏检查设备对于心脏病的诊治具有十分重要的意义。动态心电图(Dynamic Electrocardiogram,DCG)能够在患者自然生活状态下连续24小时或更长时间记录心电信号,将心电自动分析技术用于动态心电图中,借助计算机对所记录的心电数据进行自动分析处理,不仅可以获取重要的诊断信息,还可以大大减轻海量数据给医生带来的负担。本文的研究工作,就是围绕长时程动态心电信号自动分析处理而展开,主要包括以下几个方面:1)从生理学角度出发,探讨心电产生的原理,了解正常心电图各波段的形态和意义,为后续工作打下坚实的理论基础。2)研究原始心电信号的预处理方法。信号预处理通常是后续分析工作的基础,针对心电信号中频繁出现的叁种主要干扰:肌电干扰、基线漂移和工频干扰及其谐波成分分别设计出简单整系数低通滤波器、改进的滑动平均滤波器以及整系数工频干扰陷波器。3)完成了各波形的检测。在分析、研究国内外有关QRS波检测算法及其研究成果的基础上,考虑到R波上升沿和下降沿在一个心跳波形中相对比较陡峭、斜率相对比较大的特点,同时考虑到工程应用的实用性、快速性,研究实现了一种思想简单、快速、实用的QRS波检测算法――基于幅值和斜率的差分时域检测算法。该算法利用分段分析的处理方式,它是在前人提出的基于幅值和一阶导数(一阶导数实际就是斜率)的检测算法基础上综合改进的,通过对比改进前后对实际数据的测试效果,认为改进后算法比较理想。最后利用该算法分别检测叁种不同采样率的实测数据,同时用MIT-BIH心电数据库的数据进行量化验证,识别准确率达到99%。实验证明,该算法在速度和准确度等两方面都达到了满意的效果,为进一步识别其它波形打下了良好的基础。P、T波检出由简易的幅度检测法实现,P波特征点和T波特征点由局域变换法提取。ST段采用经典的J+X法进行测量,以获取ST段电平偏移,满足临床要求。4)完成了波形检测软件的研制。该软件由Visual C++6.0语言(以下简称VC)编写,包括心电波形中一些特征点的标定、特征参数(如RR间期等)的提取以及ST段趋势图的绘制。该软件可以读取所采集的任一叁通道数据,可以实现图形和界面的切换,可以观察历史数据,可以看到全部心电信号的同时看到局部细节信号,还可以
王亮[6]2001年在《动态心电图自动分析技术的研究》文中指出本课题所研制的动态心电图检测分析软件能实时地记录和分析长期动态心电信号，若发现危急病兆，便能发出警报，提示患者或医生采取应急措施。在记录和分析结束后，还可以立即显示并打印分析报告。 实时分析的任务包括波形检测和心律失常检测两大部分。波形检测部分主要进行QRS波、P波、T波检测，ST段测量以及心率变异性分析。在波形检测的基础上，心律失常分析部分结合医学经验判断室上性和室性心律失常，并检出报警事件，以对患者进行实时监护。 在波形检测中，我们采用新兴的小坡变换法对QRS波进行识别，经MIT/BIH心电数据库验证，识别正确率大于98％。小波分析运算简便、性能稳定，所检测的参数准确可靠，为进一步识别其它波形打下良好的基础。P、T波检出由简易的幅度检测法实现，ST段用经典的J+X法进行测量，心率变异性分析将线性方法和非线性方法相结合，满足了实时分析和临床要求。 在心律失常分类中，室上性心律失常包括心动过速、心动过缓、停搏、室上性早搏和心律不齐，室性心律失常包括RouT、室性心动过速、早搏联律、早搏成对和偶发室性早搏。未归入以上几类的划为待定波，由医生分析确认，从而避免漏检。实时监护功能在出现严重的心动过速、心动过缓、停搏和室性早搏过频事件时，可以发出报警信息。 上述实时分析的实现软件由Visual C++6.0语言编写，具有运算快捷、准确可靠、功能齐全、界面友好、使用方便等优点。经MIT/BIH专用心电数据库验证效果良好，尤其是经秦皇岛市人民医院典型临床病例数据试验，对室上性心律失常分析总正确率大于95％，对室性心律失常分析总正确率大于92％。
易忠, 张萍[7]2005年在《动态心电图应用进展——第二届全国动态心电图临床应用研讨会纵观》文中研究表明“第二届全国动态心电图临床应用研讨会”2005年9月23～25日在北京卫生部礼堂隆重举行。来自全国各地的与会代表共631人,老中青专家100余人。会议就动态心电图近年来临床应用进展的相关问题进行了深入、热烈的讨论。一.动态心电图工程技术学进展近年来,动态
刘彬[8]2014年在《心电信号特征识别及其在心血管疾病诊断中的应用》文中研究指明随着城市居民生活方式、工作节奏和饮食规律的变化，心脏疾病已成为现代社会的高发病症，早期识别、正确诊断和及时治疗对降低心血管疾病的死亡率至关重要。心电图有着数百年应用的历史，随着心电图仪器的发展日趋完善，在心血管疾病的检测过程中具有不可替代的作用。简单、快速、价格低廉，有着较高的临床应用价值。但是，心电图检测也存在一些缺陷，例如，会因为操作者的手法、电极的位置等不同因素影响其结果，常常造成同一人出现不完全相同的心电图。正因为检测的差异性，病态心电图种类的复杂性，造成了结果判断的差异性和难辨性，需要具有大量的知识储备及丰富临床经验的专业医师进行分析诊断。对于某些心血管疾病如心瓣膜病和轻度心室肥厚等疾病时，心电图检测通常没有异常改变；对于心血管硬化、部分房颤等心血管疾病，心电图只能作为辅助诊断的指标。虽然心电图的变化会随着时间和部位的不同而变化，但其一些内部的变化是有生物学特征的。因此，利用现代计算技术克服传统心电的弱点，对复杂海量的心电图信息进行生物信息学处理,如何系统挖掘与心血管疾病诊断和生物识别相关的信息，使其具有更加准确性，更高实时性，易被识别的特征性，从而实现心电图可自动分类的现代诊断意义，这也是我们寻求多学科交叉合作研究的要点，也是以往医学与计算生物学研究无法实现的，是解决并提速解决问题的捷径。研究的目的是希望将人体心脏运动过程中产生的微弱电信号，既周期平衡的动态信号，进行特征提取，建立不同人、不同时间的心电信号即心电图标准化的方法。这种方法的特点能把同一个人的心电图相似化(TEC)，不管他们是正常人还是心血管疾病患者。而在两个不同个体之间，心电图永远不会相同。研究结果显示：①通过PTB数据库的试验证明，健康人群的心电数据在一定的时段内是动态不变的可以作为身份识别的生理信号；②通过QT数据库91个不同种类心脏疾病患者的身份识别方面的试验证明，大部分人的心电信号，除去某些心脏极不稳定的情况，可以在一定的时段内保持动态平稳；③试验证明心电归一化算法是心电信号的标准化过程，是心电信号特征提取的重要部分，对心电身份识别算法具有极强的辅助作用；④心电信号因其复杂性、动态唯一特性，我们认为可以作为身份识别的工具，在一定范围内使用可以确保其准确性。大规模使用的话，还需要大样板案例的验证；⑤研究反映出了心电生物学特征的复杂性，该方法的建立可在临床案例的基础上提供一个准确的生物学特征模板；⑥试验证明：CVB3/MKP株具有心肌毒性，分子进化分析显示CVB3/MKP与武汉分离株CVB3/Macocy（JQ040513）及CVB3分离株HM138916处在同一个簇内，为进一步完善CVB3/MKP病毒进化和种系发育关系提供了必要的依据。本文在心电信号特征识别的基础上，对单周期归一化心电信号进行身份识别的研究和心电拟合分类研究。采用了PTB、QT两个心电数据库进行分析。在身份识别PTB数据库方面，对52个健康人心电识别正确率可达100%， QT数据库对91个心脏病人心电识别正确率达90.1%。在心电分类方面，对PTB数据库中的50个心肌梗死患者心电图和52个健康对照心电图进行单周期归一化的心电信号的疾病分类方法研究，研究发现效果比较好的分类器有贝叶斯网络、多层感知器、随机森林分类器。经试验证明随机森林分类器的分类效果比较优秀，为了防止过拟合现象的产生，我们采用了限制决策树层次的方法，使得分类效果比较理想。我们将心电分类法应用于在心肌梗死诊断、信息安全和疾病分类领域。将心电应用于监控个人健康信息，降低可能出现的疾病风险。本文的主要贡献及创新性如下：从心电图的形成机理及结构特性出发，对心电信号特征识别、心电归一化中的关键技术进行了系统研究：（1）实施了临床不同病历心电图采集和建库。对国外心电据库PTB、MIT-BIH、AFPDB、SVDB、TWADB等进行了全面的分析。明晰心电图标准化需依赖测试心电信号数据库，数据库的适合与否决定测试与算法的优劣。如果数据库中各类疾病心电图图像过于单一，可导致算法具有片面性。（2）研究实现了基于心电图标准化的心电归一化方法及提取特征技术的建立，即分别采用检测算法去测心电信号的QRS波、提取信号的电压振幅、不同时间段电信号特征点如RQ、RS、PQ、PS特征值。（3）利用多种分类器和分析方法如PCA等进行分类。这种方法的优点在于，结合了临床医学的有关诊断技巧，可以更符合人类心脏电生理特点，有效的节省存储空间，并且对各组特征群体进一步优化，减少无用信息，实验结果显示，可达到很高识别率。（4）心电图自动分类方法的准确率达到了百分之九十五以上，运行时间仅用几秒到十几秒。研究提高了心电图分类的速度和准确率，可针对心脏疾病进行快速和准确地诊断，具有重要的诊断意义和实用价值。（5）试验证明了心电归一化算法是实现心电信号的标准化必须过程，是心电信号特征提取的重要部分，对心电身份识别具有极强的辅助作用。（6）心电归一化主要应用生物识别技术，去除心电图测量时的人为误差因素。将心电图标准化，使每位被测量者的心电图不会因为测量者的不同等影响因素而发生变化。生物特征识别技术是近年最有发展前景的一项新兴技术,随着社会的需求，研究技术不断成熟，应用领域不断扩大,享受生物识别技术的快捷与便利是现代科学的体现，如果能在体格检查或生活必需时进行，将为人类医学的进步提供支撑，生物信息学促进IT、BT(生物技术)双赢，学科交叉是项目顺利进行的必由之路。
高彩红[9]2010年在《心电信号临床信息的自动识别研究》文中进行了进一步梳理心电图检查是临床常规检查项目之一,其对于心脏疾病的及早发现及治疗具有重要的意义。医生从心电图中得到所需的临床信息,根据这些信息对病人作出诊断和治疗。从常规12导联心电图到动态心电图,其过渡的一个关键是心电信号临床信息的自动识别,即心电信号自动分析技术。目前的心电图自动分析并不能完全取代人工分析,大多只用来辅助心电专家对病人进行诊断,其主要原因是现有的心电自动诊断技术精度不够,不能完全达到临床应用的要求。因此提高心电自动分析系统的准确性和实用性,对实现自动化分析有着非常重要的意义。本文在对已有的心电自动分析算法研究的基础上,采用了一种新的基于希尔伯特-黄变换(HHT)的心电信号滤波算法,能很好地滤除基线漂移、肌电干扰和工频干扰等噪声,具有良好的适应性和鲁棒性。用改进的积分阈值算法进行QRS波检测,有效地减小了误检率。在此基础上,用极值搜索法检测Q、S波以及P、T波,定位各波的起始点,并计算相应的特征参数。利用计算的RR间期和QRS波宽度值,采用逻辑分支判断法对12种常见的心律失常进行判别分类,该分类算法不仅判别精度高,而且分析速度较快,这对于临床应用是十分重要的。本文以MATLAB为平台来进行各算法的设计,并采用MIT-BIH心律失常数据库来对算法的性能进行评价,经验证本文所设计的算法均达到比较理想的结果,有较高的可靠性和实用性。心电自动分析技术是一个庞大的课题,还有许多方面需要进一步研究和完善。
刘鸣, 杨静[10]2017年在《动态心电图的自动分析技术》文中提出动态心电图通过长时间监测,对一过性、间歇发作的心电异常,尤其是心律失常的捕捉和诊断有不可替代的优势。长时间监测产生的大量数据可以通过自动分析技术完成高效和准确的初步处理。本文主要介绍涉及动态心电图自动分析的叁个主要部分:心率的计算、心律失常的识别和ST段偏移的测量。
参考文献：
[1]. 实时动态心电图认知与自动诊断系统的研究[D]. 郑臣. 北京邮电大学. 2012
[2]. Holter系统中运动伪差自动识别的关键技术及算法研究[D]. 涂岳文. 浙江大学. 2013
[3]. 十二导联心电数据库生成系统的设计与实现[D]. 林欣. 中国海洋大学. 2007
[4]. 动态心电图自动检测及分析方法的研究[D]. 张文琼. 国防科学技术大学. 2004
[5]. 长时程动态心电信号的分析方法研究[D]. 卞玉萍. 重庆大学. 2006
[6]. 动态心电图自动分析技术的研究[D]. 王亮. 燕山大学. 2001
[7]. 动态心电图应用进展——第二届全国动态心电图临床应用研讨会纵观[J]. 易忠, 张萍. 临床心电学杂志. 2005
[8]. 心电信号特征识别及其在心血管疾病诊断中的应用[D]. 刘彬. 吉林大学. 2014
[9]. 心电信号临床信息的自动识别研究[D]. 高彩红. 江苏大学. 2010
[10]. 动态心电图的自动分析技术[J]. 刘鸣, 杨静. 实用心电学杂志. 2017