论文部分内容阅读
心电图的自动分类研究一直是近年来信号处理领域的研究热点之一,在重症监护室、可穿戴心电设备、疾病与心脏活动关系研究、评价起搏器功能等方面有着广泛应用。通过引入计算机辅助分析心电图,可以让医生专注于复杂心电图的诊断,从而提高诊断效率,缩短诊断时间,对心脏病患者的病情监护以及康复后的有效评价具有积极意义。本文主要就心电信号自动分类的关键技术做了研究,包括特征点的定位、特征数据的提取和分类算法的选择。1.在分析和诊断心电图过程中,首先遇到的是QRS波的检测问题,而R波的有效定位是前提。本文在总结前人心电图波形检测算法研究的基础上,提出了一种基于双向多点差分操作的方法用于R波检测。比起传统的检测方法,该方法简单有效,对R波识别率高;比起一般的差分操作方法,该方法具有更强的抗噪能力。2.在检测到R波的基础上,下一步的工作是心电特征向量的选取。本文对国内外提出的各种心电特征进行分析和总结,就心电信号的多种特征数据进行了有效提取,包括R-R间期、样本方差、小波系数、能量比,以及最重要的由高维数据映射后的低维映射数据。其中,本文着重研究了两种映射特征:由非负矩阵分解得到的系数特征和由核局部Fisher判别分析得到的具有很强可分离性的数据特征。3.通过选取多种心电特征,可以得到代表原心电信号的数据,最后要做的是根据不同的特征数据选取合适的分类器进行心电图的自动分类诊断。本文提出了两种分类算法:一种是基于非负矩阵分解和支持向量机的心电信号分类;另一种是基于核局部Fisher判别分析和决策树的心电信号分类。实验证明,两种方法在实现心电信号自动分类算法中识别率高,具有明显的诊断优势和研究意义。