RR間期分段與房顫檢測算法研究.pdf

1、心律失常一直是威脅人類健康的大敵，心房顫動（房顫）則是其中最常見的一種。心電信號是診斷心律失常的最佳手段，目前心律失常的診斷仍是有經(jīng)驗的醫(yī)生觀察心電圖進行判斷，因此心電信號的自動分析處理和心律失常自動檢測成為當前信號處理領域的研究熱點之一，其進步和發(fā)展對醫(yī)療事業(yè)和人類健康水平的提高具有重大意義。
　　本文對心電信號產(chǎn)生機理及其與心律失常的關(guān)系做了詳細分析，在研究基于RR間期的心律失常檢測算法的基礎上，提出了一種新的算法設計思路。<

2、br>　　心電信號中信息量巨大，且一次性分類所有心律失常十分困難，本文對比分析了兩種基于RR間期的心律失常檢測算法。前者采用RR間期和QRS波寬作為一級分類指標，粗略分類部分心律失常，實驗證明有較高的正確率。后者利用RR間期散點圖分別定性和定量地檢測心房顫動，實驗證明能夠很好地區(qū)分竇性心律和房顫，以及持續(xù)型和陣發(fā)型房顫，但在自動檢測方面還有進一步改善空間。兩種算法都證明了利用RR間期檢測心律失常包括房顫具有可行性。
　　本文針對房

3、顫和竇性心律在RR間期前后關(guān)系上表現(xiàn)出的差異，利用AR模型對RR間期時間序列進行自動分段，以AIC作為模型擬合優(yōu)良度的評價準則，達到區(qū)分房顫和竇性心律的目的。通過在MIT-BIH心房顫動數(shù)據(jù)庫上的實驗，得到了較高的準確率，證明了該方法的有效性，討論了AR模型階次和分段單位長度對分段結(jié)果的影響。同時發(fā)現(xiàn)該方法在少數(shù)持續(xù)時間極短的房顫段可能會發(fā)生漏分，加上房顫在不同患者的RR間期時間序列中表現(xiàn)出的差異性，都使得尋找一個適用于多數(shù)房顫的確定分