AED中识别算法的研究和对实施低能量除颤的探讨

论文摘要

心室纤颤是最恶性的心律失常。除颤时间对除颤成功率有着至关重要的影响。而大部分室颤病人的发病地点是在医院外,往往无法及时获得救治。自动体外除颤器（AED）的出现使早期除颤成为可能。为了让没有丰富急救经验的公众方便使用AED实施早期除颤,高准确率的可电击复律心律识别算法是关键。美国心脏协会（AHA）建议将心律分成三大类:Shockable Rhythm（ShR）,Non-Shockable Rhythm（NShR）和Intermediate Rhythm。AED中可电击复律心律识别算法必须对ShR有高的灵敏度,对NShR有高的特异性。本文着眼于分类性能优越、计算量小的新特征的设计,提出了归一化等电位线时长的多种度量,栅条投影变异度的两种度量和斜率变异度的两种度量。为了合理地评价和比较不同算法的分类性能,本文使用在AED算法研究领域内被广泛认可的MIT Database、CU Database和VF Database作为测试样本集,选择ROC曲线下面积（AUC）作为主要性能评价指标。对已有报道的HILB算法、最大Lyapunov指数算法,和由本文提出的栅条投影变异度类算法（Shadow类算法）、斜率变异度类算法（Slope Variability类算法）、多种归一化等电位线时长的度量进行了测试。结果显示,Shadow类算法和Slope Variability类算法表现出更优的分类性能和更少的计算时间,而且达到AHA所建议的AED决策的性能要求。同时,本文设定测试条件时尽量与领域内已有工作保持一致,从而使研究成果能被其他学者更好地使用。电击除颤方法在临床使用中还存在一些缺点,降低除颤能量是克服这些缺点的有效途径。如果在保证除颤成功率的前提下能降低除颤能量,就可以减小电击除颤对人体的伤害、减轻病人的痛苦,对于植入式心律转复除颤器（ICD）还能延长电池的使用寿命。所以,研究低能量的除颤方法具有重要的实际意义。本文基于人体电导体对于中低频电流可视为纯阻性导体的特点,推想在体外除颤、半体内半体外除颤的情况下,除颤阈值与总脉宽之间的关系应该同心肌组织刺激阈值与刺激脉冲持续时间之间的关系一致。由心肌组织的能量阈值与脉冲宽度的关系又可推导出,在时值处会得到最小能量阈值这一结论。据此推想,体外除颤或半体内半体外除颤同样存在对应着最小能量阈值的总脉冲宽度。为了验证以上猜想,本文以双相指数截尾波为基础,进行了7例动物实验。通过对实验数据的分析,得出以下结论:半体内半体外除颤情况下,脉宽-阈值关系仍然比较符合心肌组织的脉宽-刺激阈值关系,而且3ms+1ms+3ms的波形设置与5ms+1ms+5ms的波形设置相比,电量阈值和能量阈值更低,而电压阈值相近。最后,本文提出了自动体外除颤器设备的设计方案与研制成果,可用于算法验证和低能量除颤方法研究的动物实验,也是对开发自主知识产权的AED的尝试。

论文目录

• 目录
• 摘要
• Abstract
• 第一章 引言
• 第二章 AED中识别算法的研究
• 2.1 绪论
• 2.1.1 研究现状
• 2.1.2 评价与比较算法性能的两个问题
• 2.1.3 Robert Tratnig等人的研究工作
• 2.1.4 AHA的建议
• 2.1.5 本研究的考虑
• 2.2 数据库介绍
• 2.3 本研究所测试的已报道算法
• 2.3.1 HILB算法
• 2.3.2 最大Lyapunov指数算法
• 2.4 本研究设计的算法
• 2.4.1 归一化等电位线时长
• 2.4.2 栅条投影变异度（Shadow类算法）
• stdhist算法）'>2.4.2.1 栅条投影分布离散度算法（Shadow_stdhist算法）
• stdnor算法）'>2.4.2.2 标准化栅条投影标准差算法（Shadow_stdnor算法）
• 2.4.3 斜率变异度（Slope Variability类算法）
• stdhist算法）'>2.4.3.1 斜率绝对值分布离散度算法（Slope_stdhist算法）
• stdnor算法）'>2.4.3.2 标准化斜率绝对值标准差算法（Slope_stdnor算法）
• 2.5 算法验证与比较
• 2.5.1 算法性能评价指标
• MyDB01数据集上设计并筛选算法'>2.5.2 在AED_MyDB01数据集上设计并筛选算法
• 2.5.2.1 测试条件的设定
• 2.5.2.2 各算法测试结果
• 2.5.2.2.1 HILB算法的设计和测试结果:
• stdhist算法的设计和测试结果:'>2.5.2.2.2 Shadow_stdhist算法的设计和测试结果:
• stdnor算法的设计和测试结果:'>2.5.2.2.3 Shadow_stdnor算法的设计和测试结果:
• stdhist算法的设计和测试结果:'>2.5.2.2.4 Slope_stdhist算法的设计和测试结果:
• stdnor算法的设计和测试结果:'>2.5.2.2.5 Slope_stdnor算法的设计和测试结果:
• 2.5.2.2.6 NIP1算法的设计和测试结果:
• 2.5.2.2.7 NIP2算法的设计和测试结果:
• 2.5.2.2.8 NIP3算法的设计和测试结果:
• 2.5.2.2.9 NIP4算法的设计和测试结果:
• 2.5.2.2.10 NIP11算法的设计和测试结果:
• 2.5.2.2.11 NIP12算法的设计和测试结果:
• 2.5.2.2.12 NIP14算法的设计和测试结果:
• 2.5.2.2.13 最大Lyapunov指数算法的设计和测试结果:
• 2.5.2.3 测试结果讨论和算法筛选
• 2.5.3 在MITDB+CUDB+VFDB上详细测试
• 2.5.3.1 测试条件的设定
• 2.5.3.2 本研究测试条件与Robert Tratnig等人测试条件的比较
• 2.5.3.3 测试结果
• 2.5.3.3.1 HILB算法的测试结果:
• stdhist算法的测试结果:'>2.5.3.3.2 Shadow_stdhist算法的测试结果:
• stdnor算法的测试结果:'>2.5.3.3.3 Shadow_stdnor算法的测试结果:
• stdhist算法的测试结果:'>2.5.3.3.4 Slope_stdhist算法的测试结果:
• stdnor算法的测试结果:'>2.5.3.3.5 Slope_stdnor算法的测试结果:
• 2.5.3.3.6 NIP4算法的测试结果:
• 2.5.3.4 测试结果讨论和算法比较
• 2.5.4 在短时间数据片断上的性能
• 2.6 讨论
• 第三章 低能量除颤方法探索
• 3.1 意义
• 3.2 研究现状
• 3.3 本研究的思路
• 3.4 实验方法与实验设备
• 3.5 实验数据与分析
• 3.5.1 阈值统计结果
• 3.5.2 关注问题1
• 3.5.2 关注问题2
• 3.6 小结与讨论
• 第四章 自动体外除颤器设备的研制
• 4.1 意义
• 4.2 系统总体框架
• 4.3 监护控制单元
• 4.3.1 功能描述
• 4.3.2 硬件系统构建
• 4.3.3 软件设计
• 4.4 除颤单元
• 4.4.1 第一台除颤单元
• 4.4.2 第二台除颤单元
• 4.5 心电采集单元
• 4.5.1 硬件设计
• 4.5.2 软件设计
• 4.6 测试情况与实物照片
• 4.6.1 第一台除颤单元
• 4.6.2 第二台除颤单元
• 4.6.3 监护控制单元与心电采集单元
• 第五章 总结与展望
• 参考文献
• 后记
• 附录A Physiobank文件的结构
• 附录B Physiobank数据库读取需要的信息
• 附录C 攻读博士学位期间科研与论文情况