移動(dòng)心電監(jiān)護(hù)系統(tǒng)ECG信號(hào)的智能檢測(cè)與分析方法研究.pdf

1、移動(dòng)心電監(jiān)護(hù)系統(tǒng)是一種基于移動(dòng)通信網(wǎng)絡(luò)的、面向家庭和社區(qū)的新型遠(yuǎn)程心電監(jiān)護(hù)系統(tǒng)。針對(duì)心臟疾病的發(fā)作具有隨機(jī)性和危險(xiǎn)性的特點(diǎn)，該系統(tǒng)對(duì)傳輸?shù)接?jì)算中心的動(dòng)態(tài)心電信號(hào)進(jìn)行實(shí)時(shí)檢測(cè)和心臟疾病的自動(dòng)診斷，為用戶提供緊急救護(hù)、疾病預(yù)警、醫(yī)學(xué)咨詢和指導(dǎo)等多種服務(wù)，從而保證了用戶心電監(jiān)護(hù)的質(zhì)量。因此，移動(dòng)監(jiān)護(hù)系統(tǒng)ECG信號(hào)實(shí)時(shí)檢測(cè)和自動(dòng)診斷結(jié)果的準(zhǔn)確性如何，將直接關(guān)系到整個(gè)心電監(jiān)護(hù)系統(tǒng)性能與服務(wù)質(zhì)量的好壞，甚至和用戶的生命息息相關(guān)。另一方面，目前心電信

2、號(hào)的自動(dòng)檢測(cè)和分析方法還存在諸多的不足之處，在理論研究和實(shí)際應(yīng)用方面仍有改進(jìn)和創(chuàng)新的余地。針對(duì)這種現(xiàn)狀，論文從移動(dòng)心電監(jiān)護(hù)系統(tǒng)ECG信號(hào)的智能檢測(cè)和分析方法著手，對(duì)動(dòng)態(tài)ECG信號(hào)的實(shí)時(shí)檢測(cè)、心電信號(hào)的多域特征信息的提取、心電信號(hào)的自動(dòng)分類與疾病診斷等問題進(jìn)行了理論研究和臨床實(shí)驗(yàn)。論文的主要研究工作和創(chuàng)新點(diǎn)在于： (1)針對(duì)傳統(tǒng)差分閾值法檢測(cè)QRS波群的局限性，提出了利用二階差分極小值和一階差分過零點(diǎn)來精確定位心電信號(hào)QRS波群的

3、實(shí)時(shí)檢測(cè)算法。該算法通過對(duì)ECG信號(hào)的二階差分和一階差分信號(hào)進(jìn)行四點(diǎn)平滑濾波，提高了二階差分信號(hào)和一階差分信號(hào)的信噪比，更有利于信號(hào)特征點(diǎn)的檢測(cè)；具有自適應(yīng)和自學(xué)習(xí)功能的檢測(cè)閾值的設(shè)置，提高了QRS波群精確檢測(cè)和定位的準(zhǔn)確率，增強(qiáng)了算法的抗干擾能力和魯棒性；該算法的對(duì)特征波形定位的搜索時(shí)間窗不到0.02秒，使其更適合于動(dòng)態(tài)ECG信號(hào)的實(shí)時(shí)處理。通過對(duì)MIT/BIH心律失常數(shù)據(jù)庫(kù)、模擬動(dòng)態(tài)心電信號(hào)、臨床動(dòng)態(tài)心電信號(hào)進(jìn)行的測(cè)試，QRS波群的

4、檢測(cè)準(zhǔn)確率分別達(dá)到了99.12％、99.92％和99.97％，說明該實(shí)時(shí)檢測(cè)算法是切實(shí)可行的。 (2)首次采用粗糙集理論來提取ECG信號(hào)的特征信息。目前心電信號(hào)特征信息的提取都是憑經(jīng)驗(yàn)和研究者的主觀臆斷，沒有理論依據(jù)可借鑒。論文采用粗糙集理論的知識(shí)表達(dá)系統(tǒng)，將ECG的各種信息作為心電知識(shí)表達(dá)系統(tǒng)的條件屬性，把各種ECG信號(hào)的診斷結(jié)果作為其決策屬性，建立了ECG信息的決策表；應(yīng)用粗糙集的知識(shí)約簡(jiǎn)理論來對(duì)決策表的條件屬性進(jìn)行化簡(jiǎn)，所

5、得的條件屬性核就是心電信號(hào)的特征信息。由于粗糙集理論具有嚴(yán)格的數(shù)學(xué)定義，使得ECG信號(hào)的這種特征提取方法具有充分的理論依據(jù)，提高了特征信息的科學(xué)性和可靠性。 (3)對(duì)ECG信號(hào)進(jìn)行多域特征信息的提取和處理。針對(duì)目前心電信號(hào)特征信息的提取僅依靠時(shí)域、頻域或小波域中某一域的信息，論文基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的思想，首次提出了心電特征信息應(yīng)由患者的靜態(tài)信息特征子集、ECG信號(hào)的時(shí)域特征子集、頻域特征子集和小波域特征子集構(gòu)成。論文用粗糙集

6、理論對(duì)ECG信號(hào)的時(shí)域、頻域、小波域的特征信息的提取方法進(jìn)行了詳細(xì)的闡述，將多域特征子集的并集作為ECG的特征信息集，使其能夠更全面、客觀、充分地反映ECG信號(hào)所代表的疾病信息，提高了特征信息的準(zhǔn)確性和完備性。 (4)對(duì)基于支持向量機(jī)的心律失常自動(dòng)分類方法進(jìn)行了研究。針對(duì)目前心電自動(dòng)分類方法存在推廣性較差的缺點(diǎn)，論文提出了采用支持向量機(jī)來實(shí)現(xiàn)ECG信號(hào)的自動(dòng)識(shí)別和分類。由于SVM分類器多用于二元模式識(shí)別，論文首次提出了具有明確數(shù)