基于心电数据库的房颤自主神经调控研究

论文摘要

心房颤动（atrial fibrillation，AF）是临床最常见的心律失常之一，具有很高的致死率和致残率。在未来的五十年里，随着心血管疾病生存率的提高和人口老龄化的发展，AF将成为最流行的心血管疾病之一。 目前AF的治疗策略仍然以复律和心率控制为主。虽然这两种方法对患者的临床症状有所缓解，但是它们既不能降低AF的复发率或其他疾病的并发率，也不能延长寿命，还可能诱发新的心律失常、栓塞、心肌损伤或心功能不全等并发症。射频消融在AF的治愈率上取得了初步的结果，但由于技术较新，成功率较低，尚未被广泛接受。因此更加有效的预防和治疗措施的产生有待于对AF机制的进一步阐明。目前对AF的研究主要侧重于血液动力学方面，而其神经调节机制不甚明了。动物实验和临床研究均已证实，自主神经系统（autonomous nerve system，ANS）与AF的发生和维持有着密切的关系，但是其机制尚未完全阐明。因此研究AF过程中的ANS机制对AF的临床治疗有极其重要的指导意义。 为了研究AF中的自主神经调控机制，本研究由如下四部分组成。首先建立心电信息数据库；其次实现心电信号的预处理和QRS波检测，以有效提取心电信号（electrocardiogram，ECG）的RR间期序列；然后利用心率变异（heart rate variability,HRV）分析方法尤其是复杂度和分形分析方法对房颤的心室率动力学特性及其昼夜节律进行了深入研究以探索其中的自主神经调节机制；最后将数据挖掘引入心电信息处理，对房颤的预后因素进行了初步研究，同时也对心脏疾病的数据挖掘进行了初步尝试。 本文的主要创新之处如下： 1．开发了一个和国际上大型心电信号数据库兼容的可扩展的关系型心电信息数据库。该数据库以“实体-关系”数据模型为中心，总共包括11个实体（表）和113个属性。通过所定义的关系，本数据库提供了方便而有效的对不同数据文件的联合操作，对不同类型数据的存储共享等操作以及新的实体和数据的扩展。 2．本数据库同时包括丰富的临床检测和诊断数据以及1200盘长时间（24小时）的动态心电图信号，容量超过150GB。本数据库覆盖了目前国内外心电数据库中所没有的多项临床检测和诊断信息，具有较丰富的基础心脏疾病类型，具有同一患者多次的检查数据以及死亡患者数据。该数据库的建立为研究心血管疾病的发生、发展、诊断和预后提供了丰富的材料。 3．实现了一个基于心电信号形态的新的QRS复合波检测算法，达到了很好的抗

论文目录

• 摘要
• Abstract
• 缩略词表
• 目录
• 第一章 绪论
• 1.1 房颤的危害性和临床现状
• 1.2 选题的目的及意义
• 1.3 国内外研究现状
• 1.4 本论文的主要内容
• 第二章 心电信息数据库系统开发
• 2.1 心电信号采集系统
• 2.1.1 系统的硬件设计
• 2.1.2 系统软件设计
• 2.1.3 系统性能测试
• 2.2 心电信息数据库
• 2.2.1 数据统计信息
• 2.2.2 数据库结构
• 2.2.3 数据库应用程序
• 2.3 数据库系统的数据分析软件包
• 2.4 小结
• 第三章 心电信号的QRS波检测
• 3.1 QRS波检测概述
• 3.2 QRS检测的滤波方法及问题
• 3.2.1 常用滤波方法
• 3.2.2 可能存在的问题
• 3.3 基于ECG形态的QRS波检测新算法
• 3.3.1 ECG信号的数学形态学滤波
• 3.3.2 MD-QRS波检测算法实现
• 3.3.3 MD-QRS检测性能测试
• 3.3.4 讨论
• 3.4 小结
• 第四章 房颤心室率及其昼夜节律分析
• 4.1 HRV分析
• 4.1.1 HRV线性分析
• 4.1.2 HRV非线性分析
• 4.1.3 HRV分析在水浸应激的应用
• 4.2 AF的VRI动力学分析
• 4.2.1 材料和方法
• 4.2.2 结果
• 4.2.3 讨论与结论
• 4.3 小结
• 第五章 心电信息聚类分析
• 5.1 聚类分析方法
• 5.2 基于心电信息数据库的聚类分析
• 5.2.1 AF的聚类分析
• 5.2.2 不同疾病的聚类分析
• 5.2.3 结果与讨论
• 5.3 小结
• 第六章 结束语
• 6.1 论文工作总结
• 6.2 展望
• 附录
• A 滤波器系数
• B. 数学形态学原理
• C. 近似墒分析
• D. DFA分析
• 参考文献
• 文献综述I
• 文献综述II
• 作者简历
• 致谢