论文部分内容阅读
利用动态心电图进行心脏病实时诊断与预测已经成为心脏病防治的主要手段。论文针对心电网络实时监控系统中信息量大、需要自动实时监测与人工诊断结合的问题,研究并开发了采用计算机自动进行远程动态心电信号的识别及信息认知系统。论文首先对信号采集与远程传输过程中混杂的噪声成分进行分析,采用小波变换去噪法与经验模态分解(EMD)相结合的方法滤除高频噪声信息。然后,依据信号特征点对应于小波特定尺度上极值对的原理,采用小波变换的方法检测识别心电信号预处理之后的特征点位置。再根据检测出的特征点计算信号中可能与心律失常病症相关的特征量,并使用这些特征量通过AdaBoost算法生成对应的心律失常规则模型。最后应用这些生成的规则模型即可进行心律失常信息自动认知。论文的主要贡献和新成果如下：(1)分析了心电信号采集与远程传输过程中的噪声频率成分,并对基线漂移低频噪声和工频及肌电干扰等高频噪声分别采用小波变换去噪法和EMD与小波去噪相结合的方法进行处理,获得了清晰、平滑的心电信号曲线。(2)依据小波变换之后的极大值和极小值对与心电信号特征点相对应,并且信号特征点的位置恰好是极值对交叉零点的原理,通过对不同尺度上模极值对位置的检测实现了心电信号的特征点识别。实验证明此方法具有较好的鲁棒性,可以检测出信号特征点的位置、具有较高的准确率。(3)论文总结计算出了14种特征量用于心律失常信息认知过程。认知过程使用了AdaBoost数据挖掘算法,建立了心电信号特征量与不同心律失常病症的对应模型,并且成功使用该模型实现了常见心律失常的信息认知。(4)论文应用MATLAB及ACCESS数据库设计了具有比较简单功能的心律失常自动识别系统,主要包括心电信号预处理、心电信号特征点检测、心律失常信息认知等分析研究过程以及最终的诊断结果。结果将包括心电信息的基本统计参数、具有有效诊断意义的信息统计图表及是否存在心律失常病症的诊断。本论文得到国家自然基金项目“泄漏电磁波认知及视频信息挖掘技术研究”的资助,项目编号：61072136。