基于小波与神经网络的心电信号自动分析技术研究

论文摘要

本论文主要对心电信号的预处理、波形检测、特征参数提取、心电信号的自动分类及疾病诊断等问题进行了较为全面的研究,完成了心电信号自动分析算法的设计与实现。首先,本文对心电信号的干扰进行分析,并针对工频干扰、肌电噪声及基线漂移等噪声采取相关的消噪方法;此外,采用了一种基于小波变换的心电信号去噪算法,对小波分解重构法以及小波阈值法进行了研究,分析了两者应用于心电信号去噪的特点并将其进行有机结合,通过仿真可以看出该算法可以去除心电信号中的工频干扰、基线漂移、肌电噪声等多种主要干扰,并能较好保持原始心电信号的特征,具有较高的实用价值。而后,采用经典差分阈值法对心电信号中关键的QRS波进行检测,并针对传统差分阈值法的局限性,提出了利用双正交二次B样条小波来精确定位QRS波群的实时检测算法。该算法利用小波变换与信号奇异点的关系,在23尺度下识别R波,在21尺度下对QRS波的起点和终点进行检测。仿真结果表明,算法对QRS波的平均识别率高达99.64%,能够对QRS波群进行精确检测和定位。最后,在目前心电监护仪常用检测标准的基础上,设计了一种基于包括RR间期,R波峰值,QRS间期,RS下降斜率等特征量的神经网络自动诊断模型,讨论了该神经网络的设计和训练过程。经MIT-BIH标准心律失常数据库验证,基于L-M算法的BP网络不仅能有效检测出心电中存在的房性早搏与室性早搏波形,而且可以根据病人心电波形的自身特点来进行差异性参数阈值选择,对于多种心律失常类心电也能达到满意的诊断效果。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究意义
• 1.1.1 心电图的临床应用与意义
• 1.1.2 课题研究的目的与意义
• 1.2 ECG 自动分析技术概述
• 1.2.1 心电自动分析的内容，发展与现状
• 1.2.2 心电自动分析的特点与难点
• 1.3 本课题的研究背景与论文安排
• 第二章 心电信号的形成与采集
• 2.1 心电信号的产生原理
• 2.2 心电图波形特点及各特征参数
• 2.3 常规心电图导联系统
• 2.4 MIT/BIH 标准心电数据库介绍
• 2.5 本章小结
• 第三章 心电信号的预处理
• 3.1 ECG 信号中存在的噪声与干扰分析
• 3.2 基于经典数字滤波技术的心电消噪
• 3.2.1 基线漂移校正
• 3.2.2 高频肌电噪声及工频干扰的滤除
• 3.3 基于小波理论的ECG 消噪
• 3.3.1 小波变换特性及原理
• 3.3.2 小波消噪算法中的关键问题分析
• 3.3.3 小波算法在ECG 消噪中的应用与实现
• 3.4 传统滤波与小波消噪的比较与分析
• 3.5 本章小结
• 第四章 基于小波理论的QRS 波群检测算法研究
• 4.1 QRS 波群检测意义及常用检测法
• 4.2 基于经典差分阈值法的R 波检测
• 4.3 小波变换探测ECG 信号奇异点原理
• 4.3.1 多分辨率分析和Mallat 算法
• 4.3.2 ECG 信号在在小波变换下的特征
• 4.4 基于双正交二次B 样条小波的QRS 波群识别算法
• 4.4.1 算法研究及仿真
• 4.4.2 小波检测法与经典差分阈值法的比较与分析
• 4.5 本章小结
• 第五章 基于人工神经网络的心电图自动诊断技术
• 5.1 人工神经网络概述及其应用
• 5.2 BP 网络理论
• 5.2.1 BP 网络的基本结构与应用
• 5.2.2 标准BP 网络的训练算法
• 5.2.3 本文对BP 网络存在缺陷的改进
• 5.3 基于L-M 算法的房性与室性早搏检测技术
• 5.3.1 神经网络诊断模型的设计
• 5.3.2 诊断模型的算法实现
• 5.3.3 心电图自动检测结果及分析
• 5.4 基于改进型BP 网络的心律失常心电图分类
• 5.4.1 算法设计与实现
• 5.4.2 算法仿真与分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 未来工作展望
• 参考文献
• 攻读硕士学位期间公开发表的论文
• 致谢