基于体表心电图的心房颤动特征提取及临床辅助诊断研究

论文摘要

心房颤动（房颤）是最常见的心律失常,也是目前心律失常领域最难攻克的心脏疾病之一。我国是世界上房颤患者最多的国家,随着人们生活水平的提高和人口老龄化,其发病率正呈逐年上升的趋势,并将成为21世纪我国新兴的主流心血管疾病。尽管房颤不象室颤一样会直接引起患者的死亡,但房颤时快速的心室率可引起血流动力学恶化,导致心功能损害和恶性室性心律失常,尤其是合并血栓将大大增加患者发生脑卒中的危险。目前,由于找不到跟踪房颤的状态变化和治疗效果的有效测试方法,房颤的治理基本上都是基于临床试错法,导致治疗效率的下降。 体表心电图（Surface ECG）由于其无损、简单易行和重复性好等优点,一直在有关心脏功能疾病的诊断和研究中发挥着独到的优点和重要作用。房颤患者的体表心电中包含反映患者心房活动的信号,即心房颤动波（f波）,其蕴含着丰富的有关患者心房特征结构及病理生理状况的信息,在临床上有很大的应用潜力。因此,本文通过利用现代信号处理技术对房颤患者的体表心电图进行分析和处理,希望能够提取出反映心房活动的有效特征,从而为房颤的诊断和治疗提供一种较先进的无损方法,并为医生制定个性化的治疗策略提供引导。 本文研究的主要内容有: 消除体表心电图中的QRST波成分,从而提取出反映心房活动的那部分信号,是分析房颤波形特征的前提和基础。因此,本文针对不同方式下记录的ECG信号,提出了两种不同的QRST波消除技术,即基于独立分量分析（ICA）和主分量分析（PCA）方法的房颤信号提取技术。ICA方法是一种主要利用信号源的空间信息来实现多分量信号分离的盲源分析技术,适合于处理多导联（通常是十二导联）ECG记录下的持续性房颤情形。PCA方法则利用了同一记录中不同心搏间心脏活动信息存在高度相关的特征,适合于处理单通道记录下的阵发性房颤情形。消除方法的准确性将直接影响后续特征提取的有效性,这两种方法为后续的工作打下了良好的基础。 在特征提取阶段,本文主要分析了两个最重要的反映房颤机制特征的标志量,即主谱峰频率和瞬时频率,并较详细地讨论了各自的生理基础和临床意义。在比较了目前常用的功率谱估计和时频分析技术优缺点的基础上,首次提出把Hilbert-Huang变换方法用于房颤信号的主谱峰频率和相关参数估计。另外,通过结合Gabor展开和二次Wigner时频分布各自的优点,提出了一种新的时频分析方法:线性及二次混合时频分布（HTFR）,并用来求取反映房颤瞬时特征变化的标志:瞬时频率及其相关参数。

论文目录

• 摘要
• ABSTRACT
• 缩略术语表
• 图表目录
• 第1章 绪论
• 1.1 引言
• 1.1.1 房颤的定义
• 1.1.2 房颤的流行病学
• 1.1.3 本文研究的出发点
• 1.2 心脏电生理基础
• 1.2.1 心电传导系统解剖学
• 1.2.2 体表心电图
• 1.2.3 心电图的诊断意义
• 1.3 房颤病理生理学机制
• 1.3.1 房颤的病理学原因
• 1.3.2 房颤的电生理学机制
• 1.3.3 房颤与心房电生理重构
• 1.4 房颤的分类与治疗
• 1.4.1 房颤的分类
• 1.4.2 房颤的体表心电图表现及心电图分类
• 1.4.3 房颤的治疗
• 1.5 房颤信号处理技术研究进展
• 1.5.1 QRST波消除技术研究
• 1.5.2 房颤的功率谱估计及时频分析技术
• 1.5.3 阵发性房颤自动终止预测研究
• 1.6 本文主要工作与体系结构
• 第2章 QRST波消除技术研究
• 2.1 引言
• 2.2 房颤检测的ICA技术研究
• 2.2.1 ICA发展概述
• 2.2.2 ICA基础理论
• 2.2.3 ICA用于房颤信号提取研究
• 2.2.4 房颤信号的ICA提取方法小结
• 2.3 房颤信号抽取的PCA方法研究
• 2.3.1 引言
• 2.3.2 PCA概述
• 2.3.3 房颤信号的PCA方法提取
• 2.4 本章小结
• 第3章 时频分析理论及研究
• 3.1 引言
• 3.2 傅立叶频谱分析
• 3.3 时频分析进展
• 3.3.1 短时傅立叶变换（STFT）
• 3.3.2 Wigner-Ville分布及Cohen类时频分布
• 3.3.3 希尔伯特—黄变换方法（HHT）
• 3.3.4 其它时频分析方法
• 3.4 线性与二次混合时频分布研究
• 3.4.1 混合时频表示（HTFR）
• 3.4.2 混合瞬时频率计算推导
• 3.4.3 算法试验评估
• 3.5 本章小结
• 第4章 房颤信号的时频特征提取研究
• 4.1 引言
• 4.2 房颤信号功率谱分析
• 4.2.1 房颤信号谱分析的电生理基础
• 4.2.2 谱分析在刻画房颤机制中的研究概况
• 4.2.3 基于HHT的房颤信号谱分析技术研究
• 4.3 房颤信号瞬时频率的HTFR分析
• 4.3.1 房颤瞬时频率
• 4.3.2 瞬时频率的HTFR分析
• 4.3.3 结果及讨论
• 4.4 本章小结
• 第5章 基于支持向量机的阵发性房颤自动终止预测研究
• 5.1 引言
• 5.2 统计学习理论基础
• 5.2.1 学习问题的一般表示
• 5.2.2 复杂性与推广能力
• 5.2.3 VC维
• 5.2.4 推广能力的界
• 5.2.5 结构风险最小化
• 5.3 Physionet／CinC 2004数据库（AFTDB）简介
• 5.4 基于支持向量机的自动终止预测研究
• 5.4.1 支持向量机理论基础
• 5.4.2 房颤信号特征量选择
• 5.4.3 预测结果
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 本文的主要工作和创新点
• 6.2 本文不足和进一步研究建议
• 附录
• 参考文献
• 攻博期间以第一作者发表的论文（含录用）
• 致谢