心脏电信号分析及辅助诊断系统

论文摘要

心电图(electrocardiogram,简称ECG)是心脏电活动在体表的综合反映,对心电信号进行分析进而诊断心脏疾病具有重要研究价值。目前,心电信号分析与辅助诊断的研究内容主要涉及四个方面,即数据滤波、特征点识别、病情辅助诊断及信号压缩。针对这几方面国内外学者提出许多分析方法,但还存在着诸多不足,如滤波效果不甚理想、特征点的定位精度有待提高、信号压缩方法有待改进等。另外,在辅助诊断方面大多数学者更倾向于时频分析,而心脏作为一个混沌系统,从非线性动力学的角度分析可以获得更多的信息,在这一方面还有深入研究的空间。作为实现临床心电检测的心电自动分析仪,目前大多体积较大、价格高昂,很难为普通家庭所接受。因此,为推广我国心血管疾病的预防与诊疗工作,研制一套价格低廉的便携式心电检测系统并将其推向市场,是一项十分有意义的工作。基于以上理论研究的需要和现实市场的需求,论文针对心电检测系统开发、心电信号预处理及特征点识别、心电辅助诊断和心电信号压缩四个方面开展研究。心电检测系统开发的研究:针对目前心电图机价格昂贵不易普及的问题,研制了一种便携式心电信号记录仪,与其他同类产品相比,该记录仪功能更加多样、操作更加灵活,有三种操作方式可选,可满足不同场合的要求;采样参数可调,在待机状态下电量消耗极小。此外,论文独创性地开发了基于智能手机的心电数据分析与管理系统,实现了数据的采集、处理、存储和显示,以及用户信息的数据库管理和数据远程传输,该系统简便易用、利于推广。心电信号预处理及特征点识别的研究:根据心电分析的实际需要,设计了基于形态学滤波方法和小波滤波方法的滤波器。通过分析表明,形态学滤波器在滤除基线漂移时有其独到的好处,在处理高频信号时则会产生截断误差;而小波滤波器在处理高频干扰时效果显著,对于基线漂移的处理则会损失心电信号P、T波的能量。而后,对两种典型的R波识别方法差分阈值法和小波模极大值法进行讨论,分析了它们的不足。针对以上问题,论文提出了一种基于经验模式分解的R波识别算法,结合数学形态学、小波变换和Hilbert包络算法,实现了高精度的检测,同时在运算过程中可实现心电信号高效去噪功能,与形态学滤波器和小波滤波器相比,在不损失信号质量的前提下可获得更高的信噪比。心电辅助诊断的研究:验证了非线性动力学方法在心电辅助诊断领域的可行性,通过四种方法重点研究了短时期不同病情的心电信号及其心律变异特性:1)通过计算六种病变信号与正常信号的最大Lyapunov指数,指出心脏运动呈现一种弱混沌状态,对诊断病情有特殊意义,为进一步研究指出方向。2)提出了短时心律变异信号的去趋势波动多重分形半谱分析方法,对正常心律、偶发性心律变异病人和室上性心律变异病人的心律变异信号进行计算,得出多重分形参数α的统计值分布随着病情的变化存在着一定的变化趋势,通过盒状图分析,分类精度可达75%以上。3)对严重室性心律失常病症,分析了其动力学变化特征,提出熵和分形的多参数分析方法,进行了室性心律的实时检测与分类,获得了较高的精度。4)首次将语音信号分析方法中的非线性归正技术引入到心电异常波的诊断当中,通过对比贴近度,对异常波的检测结果令人满意,应用到实际心电工作站中也获得了理想的结果。心电信号压缩的研究:探讨了心电信号压缩的必要性,对有损压缩嵌入式零树编码算法提出了改进方法,与已有算法相比可达到更高的压缩比;对无损压缩,根据心电信号的弱混沌特性,提出了基于混沌预测的无损压缩方法,并通过实验证明了该方法的有效性。

论文目录

• 致谢
• 摘要
• Abstract
• Abstract （detailed）
• Table of Contents
• 1 绪论
• 1.1 引言（Introduction）
• 1.2 国内外研究现状（Actualities of Research at Home and Aboard）
• 1.2.1 心电图机的开发现状（Actualities of Electrocardiograph Development）
• 1.2.2 心电信号预处理研究现状（Researching Actualities of ECG Signals Pretreatment）
• 1.2.3 心电特征波形识别研究现状（Researching Actualities of ECG Wave Identifying）
• 1.2.4 心电诊断理论研究现状（Researching Actualities of ECG Diagnosing Theory）
• 1.2.5 心电压缩理论研究现状（Researching Actualities of ECG Compressing Theory）
• 1.3 本文研究内容及章节安排（Content and Arrangement）
• 1.3.1 研究内容及意义（Content and Significance）
• 1.3.2 本文的章节安排（Chapter and Section Arranging）
• 2 便携式心电检测系统的开发
• 2.1 引言（Introduction）
• 2.2 心电信号产生的机理（Mechanism of ECG Signal）
• 2.2.1 心脏的位置与外形（Position and Form of Heart）
• 2.2.2 心脏电生理学基础（Foundation of Heart Electrophysiology）
• 2.2.3 心肌细胞的除极与复极（Depolarization and Repolarization of Cardiac Muscle Cell）
• 2.2.4 心脏的除极与复极（Depolarization and Repolarization of Heart）
• 2.2.5 正常心电波形特征及其生理意义（Normal ECG Wave and Its Physiological Significations）
• 2.2.6 心电图的导联（Leads of ECG）
• 2.3 心电检测系统的总体结构（General Structure of System）
• 2.4 数据采集模块硬件设计（Hardware Design of Data Acquisition Module）
• 2.4.1 心电信号的前端处理（Front Part Processing of ECG Signal）
• 2.4.2 导联信号的选择与转换（Selection and Conversion of Lead Signal）
• 2.4.3 控制、存储与通信（Control,Memory and Communication）
• 2.5 心电信号处理软件系统设计（Software Design of ECG Signal）
• 2.5.1 数据采集模块（Data Acquisition Module）
• 2.5.2 心电信号处理与显示（Processing and Display of ECG Signal）
• 2.5.3 心电数据的存储模块（ECG Data Storage Module）
• 2.5.4 信息的数据库管理（Database Management of Information）
• 2.5.5 网络传输模块（Network Transmission Module）
• 2.5.6 人机交互界面（Man-Machine Interface）
• 2.5.7 系统实物测试（System Testing）
• 2.6 小结（Summary）
• 3 心电信号预处理及波形特征点识别
• 3.1 引言（Introduction）
• 3.2 MIT-BIH 数据库简介（Brief Introduction of MIT-BIH Database ）
• 3.3 噪声及干扰抑制（Noise and Disturbing Restraint）
• 3.3.1 基于数学形态学的滤波器设计（Design of Filter Based on Mathematical Morphology）
• 3.3.2 小波滤波器设计（Design of Wavelet Filter）
• 3.4 R 波的检测（R Wave Detection）
• 3.4.1 差分阈值法（Defference Threshold Arithmetic）
• 3.4.2 小波变换法（Method of Wavelet Transform）
• 3.5 基于经验模式分解的 R 波识别及噪声消除（R Wave Identifying and Noise Removing Based on Experience Mode Decomposition）
• 3.5.1 经验模式分解（Empirical Mode Decomposition）
• 3.5.2 经验模式分解的特性（Characteristic of EMD）
• 3.5.3 心电信号本征模态函数频带分析（IMF Analyzing of ECG Signal）
• 3.5.4 基于 EMD 的心电信号 R 波识别（R Wave Identifying Based on EMD）
• 3.5.5 使用 EMD 方法消噪与小波消噪效果对比分析（Denoising Results Analysis between EMD and Wavelet Methods ）
• 3.6 小结（Summary）
• 4 非线性理论及其在辅助诊断中的应用
• 4.1 引言（Introduction）
• 4.2 非线性动力学原理（Theory of Nonlinear Dynamics）
• 4.2.1 相空间重构（Reconstruction of Phase Space）
• 4.2.2 李亚普诺夫指数（Lyapunov Exponents）
• 4.2.3 分形维数（Fractal Dimension）
• 4.3 心电信号的短时混沌特性研究 （Research on Short Time Choas Characteristic of ECG Signal）
• 4.3.1 算法的选择（Choosing of Algorithm）
• 4.3.2 嵌入维数与延时时间的确定（Confirming Embedded Dimension and Delay Time）
• 4.3.3 结果分析与讨论（Result Analysis and Discussion）
• 4.4 心律变异去趋势波动多重分形半谱分析（Multifractal Detrended Fluctuation Half-Spectrum Analysis of HRV）
• 4.4.1 去趋势波动多重分形分析（Multifractal Detrended Fluctuation Analysis）
• 4.4.2 半谱分析方法的提出（Putting the Method of Half-Spectrum）
• 4.4.3 结果分析与讨论（Result Analysis and Discussion）
• 4.5 室 性 心 律 非 线 性 多 参 数 分 析 （Ventricular Rhythm Nonlinear Multi-Parameter Analysis）
• 4.5.1 问题的引入,Hurst 指数分析（Introducing of Question,Hurst Index Analysis）
• 4.5.2 基于排列熵的室性心律检出（Ventricular Rhythm Detecting Based on Permutation Entropy）
• 4.5.3 室性心律规则维分析（Ventricular Rhythm Regularization Dimension Analysis）
• 4.5.4 VT 与 VF 的多重分形分析（Multifractal Detrended Analysis of VT and VF）
• 4.5.5 结果分析与讨论（Result Analysis and Discussion）
• 4.6 异常波在线监测方法研究（Research on Abnormal Wave Online Detecting）
• 4.6.1 动态时间规正基础（Foundation of Dynamic Time Warping）
• 4.6.2 异 常 波 形 的 检 测 与 讨 论 （Abnormal Wave Detecting and Discussion）
• 4.7 小结（Summary）
• 5 心电数据压缩的研究
• 5.1 引言（Introduction）
• 5.2 基于嵌入式零树编码的有损压缩（Lossy Compression Bassed on Embedded Zero Tree Coding）
• 5.2.1 整数小波变换（Integer Wavelet Transform）
• 5.2.2 嵌入式零树编码（Embedded Zero Tree Coding）
• 5.2.3 改进的零树编码（Improved Zero Tree Coding Algorithm）108
• 5.2.4 Huffman 编码（Huffman Coding）
• 5.2.5 压 缩 结 果 与 分 析 （ Results and Analysis of ECG Data Compression）
• 5.3 基于混沌时间序列预测的无损压缩（Lossless Compression Based on Choas Time Sequence Forescasting）
• 5.3.1 混沌时间序列预测原理（Principle of Choas Time Sequence Forecasting）
• 5.3.2 压缩与解压缩流程（Flow of Compression and Decompression）
• 5.3.3 压缩结果与分析（Result and Analysis of ECG Data Compression）
• 5.4 小结（Summary）
• 6 结论
• 6.1 本文的主要成果和创新点（Main Results and Innovating Points）
• 6.2 需进一步研究的问题（Questions Need to Further Reseach）
• 参考文献
• 附录 1（Appendix1）
• 附录 2（Appendix2）
• 附录 3（Appendix3）
• 作者简历
• 学位论文数据集