用于AED的恶性室性心律失常判别方法研究及系统控制软件设计初探

论文摘要

随着人民群众生活水平的提高,由室性心动过速或心室纤颤导致的恶性室性心律失常已成为危及人类生命的一大杀手。在中国,每年由恶性室性心律失常导致的心源性猝死的发生率大约为41.8例/10万人。世界各国均采取积极措施减少由心源性猝死导致的死亡。自动体外除颤器的出现对提高院外心源性猝死的抢救成功率具有重要意义。使用合适的判别算法快速、准确地判别不同类型的需要电击除颤的心律并提供治疗方案是自动体外除颤器研发的重要环节,本文正是以此为主要内容进行研究的。本文可以分为两个部分,第一部分是在第二、三章中讨论的恶性室性心律失常判别方法,第二部分是在第四章中讨论的AED系统控制软件的初步设计。在第一部分中,提出了两种判别室性心动过速和心室纤颤的方法,并通过动物实验验证新方法的有效性。为了对比测试判别特征的性能,有必要在相同的条件下使用大量已标注心律类型的数据进行测试,本研究中进行对比实验的数据为MIT-BIH Malignant Ventricular Arrhythmia Databank （VFDB）、Creighton University Ventricular Tachyarrhythmia Databank（CUDB）和AHA databank（AHADB）等权威心电分析数据库,以ROC曲线下面积和计算时间作为主要指标,综合考察正确率、敏感性和特异性,对本文提出的基于二阶导数绝对值编码的信息熵方法和高波动性矢量概率法,以及已有报道的归一化心律变异度标准差、归一化心电幅度标准差、谱分析法、希尔伯特变换法、近似熵法、复杂度法等方法进行测试,结果显示本文提出的高波动性矢量概率法在保持较短的计算时间的前提下获得最高的IROC值。此外通过运用支持向量机以及Fisher线性判别法等模式识别理论结合多个特征进行分类器设计,进一步提高判别的正确率。在第二部分中,提出了用于自动体外除颤器控制系统软件设计,本课题中选用三星公司的S3C2410为微处理器的硬件开发平台,软件上使用了μCOS-Ⅱ嵌入式实时操作系统,实现了心电采集、波形分析、除颤器监控等AED系统的核心功能。

论文目录

• 目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 本文研究的内容
• 第二章 室性心动过速和心室纤颤的识别算法研究
• 2.1 引言
• 2.1.1 国内外研究现状
• 2.1.2 算法评价标准
• 2.2 本研究设计的算法
• 2.2.1 二阶导数编码的符号序列熵方法
• 2.2.2 二阶导数编码的高波动性矢量概率方法
• 2.3 动物实验验证
• 2.4 算法对比验证
• 2.4.1 算法简介
• 2.4.2 实验条件
• 2.4.3 实验结果
• 2.4.4 数据比较
• 2.5 讨论
• 第三章 模式识别方法研究
• 3.1 引言
• 3.2 方法简介
• 3.2.1 Fisher线性判别法
• 3.2.2 支持向量机
• 3.2.3 顺序前进法
• 3.3 多参数分类的实验方法
• 3.4 特征选取实验
• 3.5 讨论
• 第四章 基于μC/OS-Ⅱ的AED控制系统软件
• 4.1 系统需求分析
• 4.2 μC/OS-Ⅱ操作系统概况
• 4.2.1 μC/OS-Ⅱ的特点
• 4.2.2 μC/OS-Ⅱ的任务机制
• 4.2.3 μC/OS-Ⅱ的中断机制
• 4.3 系统开发环境的设置
• 4.3.1 H-JTAG的设置
• 4.3.2 使用CodeWarrior建立工程并编译
• 4.3.3 使用AXD Debugger进行调试
• 4.4 软件设计
• 4.4.1 启动代码
• 4.4.2 主函数和开始任务
• 4.4.3 数据采集任务和定时中断
• 4.4.4 除颤器工作任务
• 4.4.5 高压监控任务
• 4.5 小结
• 第五章 总结和展望
• 参考文献
• 附录
• 致谢
• 发表论文和参加科研情况说明