心电信号自动检测算法研究及其软件实现

论文摘要

心脏病是威胁人类健康的最严重的疾病之一,它的防治和珍断已成为当今医学界面临的主要问题。心电信号（electrocardiogram,ECG）作为诊断心血管疾病的重要依据,其自动诊断和分析显得越来越为重要。本文对心电信号产生机理及其波形时域、频域的特点进行分析,对心电信号进行针对性的预处理,提出了简单有效的QRS波群识别方法,并在此基础上将LVQ神经网络应用于心电波形的分类,实现了心电信号的自动分析和检测。采用MIT-BIH标准心电数据库对算法进行评估,结果表明该方法具有良好性能。此外,本文设计出一种可用于辅助临床诊断的心电信号自动处理和分析软件。软件选用C++语言,利用C++Builder编译器实现,实现了心电信号的预处理、QRS波群的自动检测、波形显示、数据存储和波形回放等功能,可用于一般的心电监护和检测。本文的创新点在于把LVQ神经网络应用于心电波形的分类中并取得了良好的分类效果,同时设计出一种可用于临床的心电信号自动分析和检测的软件。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• §1.1 课题研究的背景
• §1.2 心电图的临床应用和意义
• §1.3 心电图简介
• 1.3.1 心电图的定义
• 1.3.2 心电信号产生的原理
• 1.3.3 心电图的波形简介
• 1.3.4 心电信号的特点
• §1.4 本文研究内容及主要工作
• 第二章 心电信号预处理
• §2.1 ECG信号中噪声的特点
• §2.2 60Hz工频干扰的自适应滤波
• 2.2.1 自适应信号处理简介
• 2.2.2 自适应滤波器
• 2.2.3 随机梯度算法（LMS）
• 2.2.4 ECG中的60Hz自适应滤波器的设计
• §2.3 基于小波变换的ECG预处理
• 2.3.1 小波变换的特点
• 2.3.2 小波变换的定义
• 2.3.3 多分辨率分析和Mallat算法
• 2.3.4 小波变换用于ECG信号预处理
• 2.3.5 小波变换用于ECG信号预处理的局限性
• §2.4 小结
• 第三章 QRS波群的检测方法
• §3.1 ORS波群简介
• §3.2 常用的QRS波群检测算法
• 3.2.1 "Pan and Tompkins"方法
• 3.2.2 基于模板匹配的方法
• 3.2.3 基于数学模型的方法
• 3.2.4 数字滤波器组的方法
• 3.2.5 基于神经网络的方法
• 3.2.6 常用QRS波群检测法的讨论
• §3.3 基于小波变换的QRS波群检测
• 3.3.1 小波变换的奇异点与信号突变点间的联系
• 3.3.2 小波变换模极大值在多尺度上的变化
• 3.3.3 小波变换用于QRS波群检测
• §3.4 差分阈值法对QRS波的检测
• 3.4.1 差分阈值法
• 3.4.2 差分阈值法的检测结果
• §3.5 小结
• 第四章 ECG波形分类算法的研究
• §4.1 研究的目的和意义
• §4.2 ECG波形分类的难点
• §4.3 几种常见的分类算法
• 4.3.1 贝叶斯分类
• 4.3.2 K近邻分类
• 4.3.3 聚类分析法
• §4.4 人工神经网络用于ECG波形分类
• 4.4.1 人工神经网络（ANN）的特点
• 4.4.2 人工神经元的基本模型
• 4.4.3 激活函数（Activation Function）
• 4.4.4 神经网络的拓扑结构
• 4.4.5 神经网络的训练和学习
• 4.4.6 几种常用的人工神经网络
• §4.5 基于学习向量化神经网络的ECG波形分类
• 4.5.1 LVQ网络的结构
• 4.5.2 LVQ网络的学习算法
• 4.5.3 LVQ网络用于ECG波形分类
• §4.6 小结
• 第五章 ECG自动分析系统的实现
• §5.1 BORLAND C++BUILDER 6.0简介
• §5.2 面向对象的程序设计方法
• 5.2.1 面向对象程序设计的特点
• 5.2.2 面向对象程序设计的主要概念
• 5.2.3 OOP在ECG分析系统中的应用
• §5.3 ECG自动分析系统的组成
• §5.4 ECG自动分析系统的实现
• §5.5 波形显示模块的实现
• 5.5.1 Windows下精确的定时技术
• 5.5.2 Windows多线程技术
• §5.6 小结
• 结论
• 致谢
• 参考文献