论文部分内容阅读
由于人口老龄化、空气环境质量恶化、生活压力越来越大以及不断加快的生活节奏等因素的影响，全球范围内心血管疾病患者日益增多。心电信号的分类诊断是判断心血管疾病的重要依据，但是基于专业医师自身经验知识诊断的方式远远不能满足日益增加的心血管患者诊断需求。心律失常的自动诊断研究能够为医生提供辅助诊断，缓解专业医师的工作压力，让心律失常患者及时得到诊断救治。基于此，本文提出了一种基于级联分类器自动对心律失常信号诊断的方法。
本文从MIT-BIH心律失常数据库中获取到48例共计109966个心电信号节拍，其中正常心拍占比最高，在异常心拍当中，左束支传导阻滞（L）、右束支传导阻滞（R）、房性早搏（A）、室性早搏（V）和起博心跳（P）所占心拍最多，也是最为常见的异常心律。基于同类心拍具有的相同属性，本文设计了对心电信号六分类的分类诊断算法系统，具体的研究工作内容如下：
①针对心电信号中存在工频干扰、肌电干扰、基线漂移等几种噪声的干扰。通过分析噪声的幅值、频率特性，设计了相对应的预处理算法，涉及自适应滤波、FIR滤波、小波变换等多种算法来滤除心电信号中的噪声干扰，提高信号的信噪比。
②实现对心电信号中R波的定位以及信号特征提取。通过自适应双阈值（ADT）差分算法对QRS波群的识别，定位R波位置。根据心电信号特性截取R波前后信号点作为本文研究的单心拍数据。利用窗口搜索法和模极大值算法定位P、Q、S、T波峰位置，提取波形特征；利用db6小波基对心电信号分解，提取心电变换域中时频特征。最后将提取到的特征值归一化处理，建立心电信号特征工程。
③通过与医生交流，分析了五种异常心电和正常心电信号的分类规则，总结出正、异常心电分类规则，提出了基于医生自身经验知识的经验决策规则正异二分类心律失常诊断算法。
④通过分析支持向量机（SVM）、经验决策规则、加权K近邻（WKNN）等分类器的原理、特点，以及对串、并联级联分类器的探究，结合心电信号特性，提出了基于SVM、经验决策规则和WKNN的级联分类器模型。通过训练集调节各级分类器参数，基于训练好的级联分类器模型完成对心律失常的诊断。
最终的分类结果和数据表明：基于级联分类器对心律失常诊断结果的总体灵敏度达到了97.98%，特异性达到了98.21%，准确率达到了98.16%。通过对比单一分类器及参考文献当中其他研究人员的分类结果，证实了本文设计的分类器性能优越，能够很好的完成对心律失常的分类诊断。
本文从MIT-BIH心律失常数据库中获取到48例共计109966个心电信号节拍，其中正常心拍占比最高，在异常心拍当中，左束支传导阻滞（L）、右束支传导阻滞（R）、房性早搏（A）、室性早搏（V）和起博心跳（P）所占心拍最多，也是最为常见的异常心律。基于同类心拍具有的相同属性，本文设计了对心电信号六分类的分类诊断算法系统，具体的研究工作内容如下：
①针对心电信号中存在工频干扰、肌电干扰、基线漂移等几种噪声的干扰。通过分析噪声的幅值、频率特性，设计了相对应的预处理算法，涉及自适应滤波、FIR滤波、小波变换等多种算法来滤除心电信号中的噪声干扰，提高信号的信噪比。
②实现对心电信号中R波的定位以及信号特征提取。通过自适应双阈值（ADT）差分算法对QRS波群的识别，定位R波位置。根据心电信号特性截取R波前后信号点作为本文研究的单心拍数据。利用窗口搜索法和模极大值算法定位P、Q、S、T波峰位置，提取波形特征；利用db6小波基对心电信号分解，提取心电变换域中时频特征。最后将提取到的特征值归一化处理，建立心电信号特征工程。
③通过与医生交流，分析了五种异常心电和正常心电信号的分类规则，总结出正、异常心电分类规则，提出了基于医生自身经验知识的经验决策规则正异二分类心律失常诊断算法。
④通过分析支持向量机（SVM）、经验决策规则、加权K近邻（WKNN）等分类器的原理、特点，以及对串、并联级联分类器的探究，结合心电信号特性，提出了基于SVM、经验决策规则和WKNN的级联分类器模型。通过训练集调节各级分类器参数，基于训练好的级联分类器模型完成对心律失常的诊断。
最终的分类结果和数据表明：基于级联分类器对心律失常诊断结果的总体灵敏度达到了97.98%，特异性达到了98.21%，准确率达到了98.16%。通过对比单一分类器及参考文献当中其他研究人员的分类结果，证实了本文设计的分类器性能优越，能够很好的完成对心律失常的分类诊断。