论文部分内容阅读
随着生活水平的日益提高和科学技术的发展,人们的生活压力也随之增大,长期高强度的工作导致越来越高的心脏疾病发病率。据世界卫生组织统计,心血管疾病(Cardiovascular disease,CVD)仍是全球死亡主要原因之一。世界卫生组织呼吁人们应重视对心脏病和其他心血管疾病的预防,而不是仅仅注意对这些疾病的治疗。心肌缺血作为重要的心血管疾病之一,其患病率在我国呈上升趋势,且多发于是中老年人群中。随着我国逐渐进入老龄化时代,患病率也在不断提高,受到医疗资源和医护水平的限制,我国医疗卫生系统承受着巨大的压力。心电监护仪是目前医院和家庭中使用较多的心电监护设备,能够实时的记录心电变化。随着信息技术的发展,可携带式心电监护已经步入心电监护市场,例如移动心电手机监护,智能手表等。但由于心电信号微弱、移动采集的强噪声背景、实时监护的大数据量等特点,诊断还主要依赖人工识别,使得移动诊断报警几乎不可能。同时,数据的存储使产品的生产成本增加。对于无线移动信号传输,大量的数据意味着消耗大量的流量,造成网络堵塞。需要在临床诊断前对心电信号进行预处理,高效可靠的心电信号处理与分析算法一直是心电研究的热点,也是移动心电监护的发展瓶颈。相对于QRS波的研究,和心肌缺血相关的ST-T段形态变化研究相对较少。本文研究了心电信号ST-T段形态分类方法,主要工作包括以下方面：(1)分类前的数据准备工作信号预处理和特征点定位,特征点定位的准确率直接影响分类准确率。本文对特征点提取算法做了对比研究,确定特征点提取方法。(2)对心电信号ST段形态分类。首先临床医生对心电信号ST段形态分为6类,其次通过对心电信号预处理,特征提取等操作后,根据ST段形态分类标准设计相应的分类规则并通过训练数据以优化分类算法,测试组数据测试之后得到了较满意的分类准确率。(3)对心电信号T波形态分类。首先根据临床医生的判断将T波形态分为5类,对信号预处理之后,提取T波。然后根据T波形态设计分类标准和参数,通过训练心电数据调整参数,最后通过测试数据获得较高的分类准确率。