基于心電圖分析的心律失常分類.pdf

1、心律失常是人群中的常見現(xiàn)象，嚴重的心律失常會立即威脅人類生命，因此及時的檢測出心律失常，對預防心臟病和心臟猝死的發(fā)生具有重要的意義。心電圖直接記錄了心臟搏動過程中微弱電流的有規(guī)律變化，是心血管疾病診斷的重要工具，以其無創(chuàng)、快速、準確的特點在臨床診斷中發(fā)揮了不可替代的作用。
　　 近年來利用計算機進行數(shù)據(jù)處理，實現(xiàn)心電圖的快速自動分析來提高臨床心律失常診斷的效率和準確性是醫(yī)學研究領域的熱點問題。但由于噪聲干擾、個體差異、心律失常分

2、類繁多等原因，這一技術目前仍不能滿足臨床需求。本文針對各種異常心拍的識別分類問題做了進一步的研究，引入了異常心電節(jié)律分析，并結合小波分析方法和獨立分量分析方法，實現(xiàn)了九類心拍的自動識別。
　　 首先，針對心電信號中的基線漂移和工頻干擾，本文中分別使用中值濾波器和梳狀濾波器進行去噪處理。基于濾波器的方法已經(jīng)應用的比較成熟、穩(wěn)定，在實時處理中計算速度較快并能夠有效提高信噪比。第二，近年來應用于心電圖特征提取的方法（包括直接方法、參數(shù)

3、方法、基于變換的方法和基于統(tǒng)計學的方法等）各有長短，但都具有一定的片面性，為了盡可能全面表達信號特征，本文嘗試綜合采用參數(shù)方法、小波變換和獨立分量分析三種方法，提取心電信號在不同域上的特征參數(shù)，構成高維特征向量空間。第三，高維特征向量空間能夠提高分類精度，但同時也會增大分類器的計算量。本文通過遺傳算法優(yōu)化特征空間，使用類內類間距離比來作為優(yōu)化中的適應度評價函數(shù)，選擇能夠最大限度表達信號特征的向量，消除冗余，形成維數(shù)更低、分辨率更高的優(yōu)化