心室纤颤检测算法研究

论文摘要

近年来,心血管疾病的发病率逐年提高,严重地危及人们的生命安全。心脏的猝死是心律失常中最严重的症状和表现,如果不能采取除颤等及时有效的抢救治疗,心脏猝死将意味着生命的结束。现在已知与心脏有关的猝死绝大部分是由心室纤颤（VF）或持续性心动过速（VT）所引起,其中心室纤颤是最致命的恶性心律失常,而室性心动过速在心率十分高（180bpm以上）的情况下也可能迅速转化为VF,从而导致猝死。因此,准确快速的识别出致命的心律失常具有非常重要的意义。从目前对心电信图（ECG）号的研究来看,可将其归为非线性动力学的范畴,采用非线性动力学的方法对VF检测算法进行研究具有非常明显的优势。本文从非线性动力学的角度,使用复杂度、近似熵以及自回归（AR）模型等方法对VF检测的算法进行了研究和分析,最后结合多参数复合检测的方法提出了复杂度与多参数复合检测相结合的新算法（简称CPLX&3-Count）,在准确性及速度等综合性能方面具有明显的提升,具有相当可观的实用价值,并且开拓了使用多种参数进行VF检测算法研究的新途径。另外,对可推广应用于VF检测的一些心电相关的算法也进行了研究。在呼吸率检测算法中,对传统的FFT计算频率的方法加入了绝对差值平均的方法,使其性能有了较大改善,并提高了其精度;在使用多道心电检测QRS波的算法中,通过实验加入了对原来参数的修正系数,弥补了其只能用于特定采样频率的缺点。这些算法的研究和改进为后续心室纤颤检测算法的研究者们提供了参考。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源
• 1.2 本课题研究的目的及意义
• 1.3 国内外发展现状及分析
• 1.3.1 自动除颤仪的发展现状
• 1.3.2 心室纤颤检测算法的发展现状与分析
• 1.4 本文内容及组织
• 1.4.1 本文内容
• 1.4.2 本文的组织
• 第2章 心室纤颤及检测算法简介
• 2.1 心电图简介
• 2.1.1 心电图的产生
• 2.1.2 心电图典型波形
• 2.1.3 心电图典型间期和典型段
• 2.1.4 正常人的心电图典型值
• 2.2 心室纤颤
• 2.3 除颤适应症
• 2.4 心电数据库介绍
• 2.4.1 MIT-BIH 数据库
• 2.4.2 AHA 数据库
• 2.4.3 CSE 数据库
• 2.4.4 CU 数据库
• 2.4.5 我们在实验中用到的数据
• 2.5 心室纤颤检测算法性能评价标准
• 2.6 本章小结
• 第3章 非线性动力学背景下的室颤检测算法
• 3.1 引言
• 3.2 非线性动力学简介
• 3.2.1 混沌时间序列
• 3.2.2 非线性动力学指标
• 3.2.3 非线性动力学方法在心电脑电信号中的应用
• 3.3 复杂度算法及其具体实现
• 3.3.1 复杂度和复杂率算法概述
• 3.3.2 复杂度有关性质
• 3.3.3 L-Z 复杂度的计算过程
• 3.3.4 复杂度算法实验结果及分析
• 3.4 近似熵算法及其具体实现
• 3.4.1 近似熵算法理论及计算过程
• 3.4.2 近似熵实验结果及分析
• 3.5 基于AR 模型的VF 检测算法
• 3.5.1 AR 模型简介
• 3.5.2 AR 模型实验结果及分析
• 3.6 本章小结
• 第4章 复杂度结合多参数复合检测算法
• 4.1 引言
• 4.2 多参数复合算法
• 4.3 复杂度结合多参数复合检测算法
• 4.3.1 算法整体设计
• 4.3.2 参数的修正及选取
• 4.3.3 实验结果
• 4.4 多种算法的比较及分析
• 4.4.1 复杂度算法的实验结果
• 4.4.2 近似熵算法的实验结果
• 4.4.3 参数调整前后3-count 算法结果比较
• 4.4.4 参数调整前后CPLX&3-Count 算法结果比较
• 4.4.5 各种算法性能参数的比较
• 4.4.6 实验结论
• 4.5 本章小结
• 第5章 其他心电相关算法
• 5.1 引言
• 5.2 呼吸率检测算法及改进
• 5.3 多道心电的QRS 波检测
• 5.3.1 多道心电简介
• 5.3.2 联合自适应阈值QRS 波实时检测算法
• 5.3.3 修正系数的计算
• 5.4 本章小节
• 结论
• 参考文献
• 致谢