实时动态心电图认知与自动诊断系统的研究

论文摘要

动态心电图是远程诊断心血管疾病的重要依据,对远程医疗监护和临床诊断都具有非常重要的意义。为了能够实现网络环境下的实时动态监护,必须首先进行实时动态心电图认知与自动诊断系统的研究。论文在研究动态心电信号处理技术的基础上,采用小波变换多尺度多分辨率的特性对心电信号的预处理和波形特征值测量方面进行了定量研究；利用BP神经网络对急性心肌缺血症状进行认知诊断研究；利用VC++6.0集成开发环境,基于MySQL数据库和MATLAB数据处理软件开发了动态心电图认知系统。论文采用小波变换阈值法、重构法以及阈值法重构法相结合的方法对动态心电信号进行了滤波去噪处理；采用小波变换检测信号突变点,对动态心电信号波形的识别测量进行了算法设计；采用BP神经网络对动态心电信号进行识别；实现了动态心电信号的预处理、波形识别、特征参数测量等功能,同时对读入的动态心电信号进行分析处理之后,就可以做出有关的病理诊断报告。本论文的成果为实现网络环境下的实时动态监护和自动诊断系统打下了一个良好基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究意义
• 1.2 认知识别技术简介
• 1.3 认知技术的发展状况
• 1.4 MIT-BIH数据库介绍
• 1.5 动态心电图简介
• 1.5.1 动态心电图产生
• 1.5.2 正常动态心电信号
• 1.5.3 动态心电信号的特点
• 1.5.4 急性心肌缺血简介
• 1.6 论文主要内容与架构
• 第二章 动态心电图的预处理
• 2.1 小波变换基础理论及应用
• 2.1.1 小波变换理论
• 2.1.2 Mallat算法
• 2.2 动态心电图除噪滤波及仿真
• 2.2.1 动态心电信号的主要噪声
• 2.2.2 滤除基线漂移
• 2.2.3 滤除工频干扰
• 2.2.4 滤除肌电干扰（EMG）
• 2.3 小结
• 第三章 动态心电图的波形及特征点检测
• 3.1 小波检测信号突变的原理
• 3.2 心电信号波形检测的主要方法
• 3.3 心电信号波形特征点检测
• 3.3.1 R波检测
• 3.3.2 QRS波群起点和终点检测
• 3.3.3 S波、Q波检测
• 3.3.4 T波起止点检测
• 3.3.5 波形斜率测定
• 3.4 QRS波形识别算法仿真与处理结果分析
• 3.4.1 检测策略分析
• 3.4.2 算法仿真
• 3.4.3 处理结果分析
• 3.5 小结
• 第四章 动态心电图的诊断
• 4.1 神经网络简介
• 4.1.1 生物神经元结构模型与特点
• 4.1.2 神经网络的特点
• 4.1.3 人工神经元模型
• 4.2 BP网络
• 4.2.1 BP神经元及BP网络模型
• 4.2.2 BP网络的学习
• 4.3 基于BP网络的动态心电图诊断模块设计
• 4.3.1 网络层数
• 4.3.2 输入层的节点数
• 4.3.3 输出层的节点数
• 4.3.4 隐含层的节点数
• 4.3.5 传输函数
• 4.4 算法仿真及诊断结果分析
• 4.5 小结
• 第五章 认知系统的软件实现
• 5.1 软件开发环境
• 5.1.1 Visual C++6.0开发环境简介
• 5.1.2 MySQL简介
• 5.1.3 VC++与MATLAB混合编程
• 5.2 动态心电图认知系统的组成
• 5.3 动态心电图认知系统的功能实现
• 5.3.1 数据库
• 5.3.2 系统主界面设计
• 5.4 小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 作者攻读学位期间发表的学术论文目录