基于Android系統(tǒng)的心電智能診斷終端算法設(shè)計與軟件實現(xiàn).pdf

1、心血管疾病突發(fā)性高，且致死致殘率也極高，每年死于心臟病突發(fā)的人數(shù)占了死亡人數(shù)的1/3。突發(fā)性疾病最好的控制方法是長期監(jiān)測，做到早期預(yù)防。患者若選擇去醫(yī)院做長期的檢查，不僅就醫(yī)過程繁瑣，而且成本高，普通家庭難以承受。目前市場已有的家用式心電監(jiān)測儀，則存在體積龐大，不能進(jìn)行本地診斷等不足之處。而基于移動平臺的心電監(jiān)測系統(tǒng)，不僅降低了設(shè)備的成本，縮小了設(shè)備體積，而且能實現(xiàn)本地的心電分析以及遠(yuǎn)程信息通信，將成為移動醫(yī)療產(chǎn)品的設(shè)計趨勢，因此文中選

2、擇在 Android系統(tǒng)上實現(xiàn)心電智能算法和終端軟件的開發(fā)。
　　根據(jù)課題需求，首先設(shè)計整個系統(tǒng)的方案，分析本次開發(fā)的主要內(nèi)容和需要解決的問題。文中具體介紹了心電智能檢測算法的設(shè)計和終端軟件的開發(fā)過程。心電智能檢測算法主要包括信號預(yù)處理、特征提取和分類，首先采用小波變換結(jié)合形態(tài)學(xué)算法對信號進(jìn)行預(yù)處理，去除噪聲干擾，得到相對純凈的信號。然后通過K-means聚類算法提取QRS波群等特征參數(shù)，根據(jù)這些參數(shù)建立正常竇性心律和心律異常的正

3、樣本和負(fù)樣本，最后結(jié)合極限學(xué)習(xí)機(Extreme Learning Machine, ELM)分類器對樣本進(jìn)行訓(xùn)練和匹配。文中以MIT-BIH心律異常數(shù)據(jù)庫中的數(shù)據(jù)作為分析對象，實驗結(jié)果證明文中提出的算法能準(zhǔn)確診斷出室性早博(Premature Ventricular Contraction, PVC)和房性早搏(Atrial Premature Contraction, APC)。最終室性早博的陽性檢測率P+達(dá)到94.20％，檢測靈敏

4、度Se達(dá)到96.30%，房性早搏的陽性檢測率P+達(dá)到98.02%，檢測靈敏度Se達(dá)到99%。
　　算法經(jīng)過測試驗證后，植入Android客戶端實現(xiàn)實時分析處理。Android客戶端軟件的功能設(shè)計包括藍(lán)牙接收、實時繪圖、用戶管理和界面設(shè)計等。客戶端將分析得到的診斷結(jié)果，通過互聯(lián)網(wǎng)上傳至Web服務(wù)器。Web服務(wù)器實現(xiàn)實時響應(yīng)客戶端的請求，將客戶端上傳的數(shù)據(jù)存入數(shù)據(jù)庫，或是讀取數(shù)據(jù)發(fā)送到客戶端，實現(xiàn)數(shù)據(jù)的管理維護(hù)。本系統(tǒng)最后經(jīng)測試，操作