心电图中T波交替检测的关键技术研究

论文摘要

心血管类疾病已经成为威胁人类生命的第一大杀手,其病死率之高令世人所畏惧。仅我国每年就有近60万心源猝死（Sudden-Cardiac Death,SCD）的病例,因此如何有效的提前预测心源性猝死成为目前医学界关注的焦点。大量的临床医学研究证实,心电图中的T波交替（T-wave alternans,TWA）现象与心源性猝死、心律失常等心脏疾病总是相伴发生。因此,TWA已经成为一种预测以上两类疾病的无创指标。所以,对T波交替检测关键技术的研究具有非常重要的临床价值和社会意义。本文的工作围绕T波交替检测框架展开,主要针对预处理阶段和交替检测阶段的算法进行了研究。预处理阶段。针对传统的R波识别方法易受到噪声和大幅度T波影响而出现漏检和误检的问题,本文提出了基于差分的自适应阈值改进算法。从信号自身、信号的差分、信号差分的平方三个维度上,通过RR间期阈值、差分平方阈值和R波幅度阈值来改善R波识别的准确性。最后利用仿真实验验证了本文算法的有效性和准确性。T波交替检测阶段。针对传统的TWA检测时域算法要么对工频干扰和基线漂移敏感,要么对T波对齐敏感；而频域方法虽然对信号质量要求比较低,但是不具备时间分辨率,无法跟踪非稳态的TWA的问题,本文提出基于Kalman最优化估计的T波交替检测算法。利用Kalman滤波器在抑制高斯噪声和准确跟踪方面的优越性能,对奇偶分组后的T波进行处理,并应用动态跟踪策略检测TWA。仿真实验表明该算法能准确的检测T波交替,而且对高频噪声和基线漂移具备很好的抑制作用,可以初步识别非稳态TWA。由于TWA具有非稳态特性,而心电信号中不仅包括高斯噪声,还包括有色噪声。因此,针对以上两点,本文又进一步提出了基于小波变换和Boostrap方法的非稳态T波交替检测算法。该算法首先使用小波变换对非稳态TWA进行有效的分段,将非稳态TWA变为几段稳态的TWA,再利用Bootstrap方法对各段进行非参数估计来检测TWA。通过仿真实验验证了该算法在非稳态TWA和包含有色噪声TWA检测方面具备优良的性能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景及意义
• 1.2 国内外的研究现状
• 1.3 论文的研究内容和组织结构
• 第2章 理论基础
• 2.1 TWA检测框架
• 2.2 小波变换及李普西兹指数
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 小波模极大值曲线
• 2.2.4 李普希兹指数
• 2.3 KALMAN最优化估计理论
• 2.3.1 KALMAN最优化估计的适用条件
• 2.3.2 KALMAN最优化估计的基本思想
• 2.3.3 卡尔曼最优化估计的两个阶段
• 2.4 BOOTSTRAP理论
• 2.4.1 BOOTSTRAP的概念
• 2.4.2 BOOTSTRAP方法的基本思想
• 2.4.3 BOOTSTRAP方法的优势
• 2.5 本章小结
• 第3章 心电信号预处理及波形检测
• 3.1 心电信号预处理
• 3.1.1 心电信号及其所含噪声
• 3.1.2 心电信号所含噪声的滤除
• 3.2 心电信号的波形检测
• 3.2.1 R波识别
• 3.2.2 T波识别和对齐
• 3.3 本章小结
• 第4章 基于卡尔曼最优化估计的T波交替检测算法
• 4.1 干扰T波交替检测的不利因素
• 4.1.1 内在因素
• 4.1.2 外在因素
• 4.2 T波交替检测算法对比分析
• 4.2.1 谱分析法
• 4.2.2 相关分析法
• 4.2.3 修正移动平均法
• 4.3 基于KALMAN最优化估计的TWA检测算法
• 4.3.1 算法概述
• 4.3.2 对T波矩阵按奇数和偶数进行分组
• 4.3.3 KALMAN最优化估计
• 4.3.4 根据差值模加窗搜索策略求T波交替幅度
• 4.4 仿真实验和结果分析
• 4.5 本章小结
• 第5章 基于小波变换和非参数的非稳态T波交替检测算法
• 5.1 T波交替的非稳态性
• 5.1.1 相位非稳态
• 5.1.2 时间非稳态
• 5.1.3 幅度非稳态
• 5.2 T波检测中的有色噪声
• 5.3 基于CWT和BOOTSTRAP方法的TWA检测算法
• 5.3.1 算法概述
• 5.3.2 非稳态T波交替分段
• 5.3.3 基于BOOTSTRAP的TWA检测算法
• 5.4 仿真实验和结果分析
• 5.4.1 仿真实验
• 5.4.2 TWADB数据仿真实验
• 5.4.3 仿真结果分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 本文工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 作者攻读硕士学位期间发表的论文及获奖情况