基于rr间期和深度置信网络的房颤检测

《基于rr间期和深度置信网络的房颤检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：学校代码：10075分类号：学号：20121328工学硕士学位论文基于RR间期和深度置信网络的房颤检测学位申请人：万慧华指导教师：刘明副教授学位类别：工学硕士学科专业：通信与信息系统授予单位：河北大学答辩日期：二○一五年五月ClassifiedIndex：CODE：10075U.D.C：NO：20121328ADissertationfortheDegreeofM.EngineeringDetectionAtrialFibrillationBasedonRRIntervalandDeepBeliefNetwo

2、rksCandidate:WanHuihuaSupervisor:AssociateProf.LiuMingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:Comm.&Info.SystemUniversity:HebeiUniversityDateofAccomplishment:May,2015摘要摘要房颤是临床最常见的一种心律失常疾病，其患者每年增加。其特点是紊乱的心房活动和随之而来的脑卒、心肌梗死等并发症，导致较高的致残率和死亡率，严重危害着人类的

3、健康。因此，开发房颤检测系统，从而能及早发现房颤，对改善病人的治疗和提高治疗质量，减少病人危重病症发生率和死亡率等有重要的临床和社会意义。但是目前，已有的房颤检测研究均在检测准确率上存在不足，分析可知现有房颤检测难以提取稳定、能有效判别房颤的特征。本论文将对心电图中的房颤检测展开研究，提出高灵敏度、特异性强的房颤检测方法。论文主要研究工作如下：1、RR间期数据的处理。本论文采用两种方法对数据进行处理，一是基于直方图的分析研究，处理心电信号的RR间期的序列求得RR间期差序列，然后计算RR间期差直方图和香农熵；二是基于

4、符号动力学的分析研究，将RR间期差序列转换成符号序列，求子串长度概率分布的香农熵。直接以RR间期数据为输入则存在数据偏移问题，间期处理后的数据克服了这一问题。2、采用深度置信网络(DeepBeliefNetworks，DBNs)进行房颤的检测。它是近年兴起的机器学习模型，结合了无监督学习过程和有监督学习过程。由于心电信号复杂多变，且受到多种噪声干扰，现有房颤检测难以提取稳定、能有效判别房颤的特征，甚至有时医生进行诊断时也无法判断，因此本论文选取深度置信网络，特征提取和分类融合的方法，通过对大量数据进行学习，实现房颤

5、的检测。通过MIT-BIH数据库上的实验结果表明，本论文提出的方法有较高的性能，说明本论文方法具有心电信号检测房颤的能力。关键词房颤心电图RR间期差深度置信网络检测IAbstractAbstractAtrialfibrillationisoneofthemostcommoncardiacarrhythmia,withitsprevalenceincreasingeachyear.AF,whichisassociatedwithothertypesofcardiacconditions,canhavedangerou

6、simplications,includinganincreasedriskofstroke,heartdisease,mortalityandthusthreateningthehealthofhumanbeings.Therefore,thedevelopmentofatrialfibrillationdetectionsystemcandetectatrialfibrillation.AnddetectionofAFisofgreatsignificanceofimprovingpatientcare,imp

7、rovingthequalityoftreatment,reducingthediseaseincidenceandmortalityincriticallyillpatients.However,theaccuracyofpreviousAFdetectionalgorithmsisstillinsufficient.Throughthesurvey,itisdifficultofdetectionatrialfibrillationtostableandcaneffectivelydistinguishthec

8、haracteristicsofatrialfibrillation.AccordingtotheaboveinsufficiencyinAFmethodstudies,thisthesiswillfocusonthestudyofdetectionmethodofAFinECGandproposeanovel,high-perfomancemethodsu