心電圖中T波電交替檢測關(guān)鍵技術(shù)研究.pdf

1、心源性猝死(Sudden Cardiac Death，SCD)已成為僅次于腫瘤的第二大致死疾病，其死因多為惡性室性心律失常。大量的臨床實(shí)驗(yàn)和研究文獻(xiàn)表明，心電圖中T波電交替(T Wave Alternans，TWA)現(xiàn)象與室性心律失常存在密切的關(guān)系，是預(yù)測惡性室性心律失常和SCD發(fā)生的、具有獨(dú)立性和統(tǒng)計(jì)學(xué)意義的重要指標(biāo)。目前，心電圖中TWA現(xiàn)象的檢測算法研究已引起廣泛關(guān)注，TWA檢測有望發(fā)展成為一種優(yōu)越的、無創(chuàng)評定發(fā)生心臟猝死危險性的技

2、術(shù)。但由于TWA現(xiàn)象具有非穩(wěn)態(tài)性、非線性以及心電圖中噪聲的復(fù)雜性，提取具有診斷價值的TWA指標(biāo)性數(shù)據(jù)非常困難，已成為影響TWA預(yù)測猝死的關(guān)鍵問題。本文針對心電圖中TWA檢測的關(guān)鍵技術(shù)展開研究，基于通用的TWA檢測框架，將TWA檢測分為預(yù)處理，T波提取和對齊，TWA分析三個階段，在各個階段研究相應(yīng)的計(jì)算方法，具體的研究內(nèi)容如下：
　　(1)提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)

3、和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的自適應(yīng)去噪算法。
　　TWA檢測在預(yù)處理階段的主要研究內(nèi)容是:針對TWA檢測的特定目的，研究保留T波信息的去噪方法。在對心電圖中隨機(jī)噪聲的濾除問題上，本文在將心電圖信號分解為一系列IMF(Intrinsic Mode Function，IMF)分量的基礎(chǔ)上，首先采用數(shù)學(xué)形態(tài)學(xué)方法保留主要的特征波形，然后設(shè)計(jì)自適應(yīng)閾值法對剩下含噪信號進(jìn)行閾值處理，來減小以至于完全剔除其中的噪聲部分，以達(dá)到去噪的同時保留心電圖中T

4、波的目的。在對心電圖中基線漂移的濾除問題上，針對中值方法在濾除基線漂移時容易出現(xiàn)“臺階”現(xiàn)象的問題，利用基于EMD和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的去噪方法，對中值方法提取的基線做進(jìn)一步的濾波，使本文提出的方法在濾除基線噪聲的同時不破壞心電圖中有用的特征波形。仿真表明，該方法能有效濾除影響TWA檢測的隨機(jī)噪聲和基線漂移噪聲。
　　(2)提出了一種基于粒子群和心電模型相結(jié)合的T波提取和對齊方法。
　　TWA檢測在T波提取階段的主要研究內(nèi)容是

5、:針對TWA檢測特定目的，不僅要求準(zhǔn)確地提取T波，且必須保證所提取得不同心搏的T波在起止點(diǎn)和寬度上都是一致的。本文通過基于高斯核的心電圖波形模型，將心電圖中的P波，Q波，R波，S波和T波，用含有峰值時間、幅度和寬度三個參數(shù)的高斯函數(shù)來表示，然后利用該心電圖波形模型所生成的波形曲線來擬合現(xiàn)實(shí)心電圖波形，以提取心電圖中T波的位置和起止點(diǎn)，從而將心電圖中的T波提取問題轉(zhuǎn)化為多峰高斯曲線擬合問題，在此基礎(chǔ)上，結(jié)合粒子群優(yōu)化算法，來最優(yōu)提取心電圖

6、中的T波，最后采用模版匹配的方法對所提取的T波進(jìn)行一致對齊。仿真表明，該方法能準(zhǔn)確可靠提取和對齊T波。
　　TWA檢測在TWA分析階段主要研究心電圖中TWA的定量和定性計(jì)算方法。本文針對目前TWA檢測算法研究的熱點(diǎn)問題和難點(diǎn)問題，分別從TWA動態(tài)空間方程建立和求解，凸優(yōu)化和非參數(shù)統(tǒng)計(jì)三個角度出發(fā)，研究穩(wěn)健的TWA分析方法，
　　(3)提出了一種非高斯條件下基于粒子濾波的TWA分析方法。
　　由于受患者病理?xiàng)l件的影響，心

7、電圖中的TWA現(xiàn)象往往是非穩(wěn)態(tài)和非高斯的，綜合考慮心電圖中TWA現(xiàn)象的非穩(wěn)態(tài)、非線性和非高斯性，研究如何提高TWA檢測方法的穩(wěn)健性，是目前TWA分析方法研究的一個難點(diǎn)。針對該難點(diǎn)，本文在建立TWA現(xiàn)象的非線性、非穩(wěn)態(tài)和非高斯?fàn)顟B(tài)空間方程的基礎(chǔ)上，采用粒子濾波(Particle Filter，PF)方法，來定量和定性分析心電圖中的TWA現(xiàn)象，仿真表明，該方法對非穩(wěn)態(tài)和非高斯TWA現(xiàn)象具有較好的分析性能，且具有實(shí)時跟蹤動態(tài)TWA變化趨勢的性

8、能。
　　(4)提出了一種基于L1趨勢估計(jì)的非穩(wěn)態(tài)TWA高抗噪性分析方法。
　　針對TWA檢測特定要求的心電圖去噪方法，為了不影響后續(xù)TWA檢測的準(zhǔn)確性，必須最大程度保留心電圖中的T波信息，使得用于TWA分析階段的心電圖數(shù)據(jù)仍可能包含一定的噪聲，因而研究如何提高非穩(wěn)態(tài)TWA分析方法的抗噪性能，是TWA檢測算法研究的關(guān)鍵問題之一，也是目前TWA分析方法研究的熱點(diǎn)問題，本文從凸優(yōu)化的角度出發(fā)，通過利用一段心電圖中TWA的綜合信息

9、，建立TWA凸的數(shù)學(xué)解析模型，然后基于L1趨勢估計(jì)凸優(yōu)化算法，來求解一段心電圖中TWA現(xiàn)象的最優(yōu)點(diǎn)線性估計(jì)，從而使設(shè)計(jì)的TWA分析方法既具有跟蹤非穩(wěn)態(tài)TWA的性能，又具有較高的抗噪性。仿真實(shí)驗(yàn)表明，該方法在準(zhǔn)確計(jì)算非穩(wěn)態(tài)TWA的同時具有較好的抗噪性能。
　　(5)提出了一種基于小波分析和非參數(shù)統(tǒng)計(jì)Bootstrap相結(jié)合的TWA分析方法。
　　利用統(tǒng)計(jì)學(xué)的方法來檢測心電圖中的TWA現(xiàn)象一直是TWA分析方法研究的一個重要方向，

10、本文針對實(shí)際心電圖中TWA的概率統(tǒng)計(jì)模型難以準(zhǔn)確確定的問題，提出了一套基于Bootstrap非參數(shù)統(tǒng)計(jì)的TWA檢測方法，首先利用時頻分析，將心電圖數(shù)據(jù)分為相對平穩(wěn)的心電圖片段，針對各個片段小樣數(shù)據(jù)的TWA檢測問題，利用Bootstrap對各個片段的TWA進(jìn)行重采樣來定性和定量估算TWA指標(biāo)，從而使該算法具有較好的魯棒性。
　　本文圍繞心電圖中TWA檢測算法關(guān)鍵技術(shù)問題展開研究，針對TWA檢測的特定問題，提出了可靠的心電圖去噪算法和