基于rr间期与稀疏分解的房颤检测方法研究

基于rr间期与稀疏分解的房颤检测方法研究

ID:35012819

大小:1.96 MB

页数:46页

时间:2019-03-16

基于rr间期与稀疏分解的房颤检测方法研究_第1页
基于rr间期与稀疏分解的房颤检测方法研究_第2页
基于rr间期与稀疏分解的房颤检测方法研究_第3页
基于rr间期与稀疏分解的房颤检测方法研究_第4页
基于rr间期与稀疏分解的房颤检测方法研究_第5页
资源描述:

《基于rr间期与稀疏分解的房颤检测方法研究》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:20131353工程硕士学位论文基于RR间期与稀疏分解的房颤检测方法研究学位申请人:任丛指导教师:刘明副教授学位类别:工程硕士学科专业:电子与通信工程授予单位:河北大学答辩日期:二〇一五年五月ClassifiedIndex:CODE:10075U.D.C:NO:201313532ADissertationfortheDegreeofM.EngineeringResearchofDetectionAlgorithmofAtrialFibrillationBasedonRRInterval

2、andSparseDecompositionCandidate:RenCongSupervisor:AssociateProf.LiuMingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:Comm.&Info.SystemUniversity:HebeiUniversityDateofAccomplishment:May,2015河北大学学位论文独创性声明木人郑重声明:所交的学位论文’足本人在巧沔指¥卜•进彳.「的研究:丨_作及取得的研究成果。尽我所知,除了文屮特

3、别加以知、汴和致驸的地方外,论文中不包含其他人L�j经发表成撰巧的研究成果’也不钽含为获得河北大卞或其他教育机构的学位或证书所使用过的W料。与我―丨叫工作的同忐对本研究所做的任何贡献均己在论文中作丫明确的说明并表示丫致谢。作者签名:^_i-jjw�学位论文使用授权声明木人完全了解河北大学有关保留、使用学位论文的规定,n,j�学校冇权保留并mw家权关部门或机构送交论文的复印件和电子版,允许论文被沓阅和借阅„学校可以公布论文的全部或邰分内容,可以x用影印、缩印或其攸复制-f.段深存论文a本学位论文屈于1、保密•,A�年nL1解密

4、s•适j!3本授权声明w•1、不保密^、(请迮以上in应方格内打“V”)保护知识产权声明本人为申请河北大学学位所提交的题目为学位论文,是我个人在导师(务/$)指导并与导师合作下取得的研究成果,"研究工作及取得的研究成果是在河北大学所提供的研究经费及导师的研究经费资助下完成的。本人完全了解并严格遵守中华人民共和国为保护知识产权所制定的各项法律、行政法规以及河北大学的相关规定。本人声明如下:本论文的成果归河北大学所有,未经征得指导教师和河北大学的书.面同意和授权,本人保证不以任何形式公开和传播科研成果和科研工作内容。如果违反本声

5、明,本人愿意承担相应法律责任。/A^4//年月声明人:1i曰美作者签名:日期:…年eR导师签名:,日期:…旧年摘要摘要随着人口老龄化的日益严重以及导致房颤发生的因素增多,房颤已成为我国乃至全球最为常见的心律失常。因此,及早地发现房颤,对减少病人的发病率和死亡率,以及减少经济上的负担都具有重要的临床和社会意义。目前,已有的房颤检测算法尚未妥善解决特征提取问题,所以房颤检测错误率仍较高。稀疏分解可以实现数据压缩的高效性,更重要的是可以利用字典的冗余特性捕捉信号内在的本质特征。本文利用稀疏分解这一优越性,将其应用于本文的房颤检测算

6、法当中。RR间期绝对不规整是房颤发生时的一重要心电图特征,本文基于房颤的这一特点展开深入研究,设计了基于RR间期与稀疏分解的房颤自动检测算法。论文主要研究内容如下:(1)心电信号预处理。本文利用ΔRR间期直方图对正常和房颤两类原始心电信号进行预处理,使房颤RR间期分布特征更加明显。其中,直方图宽度值M选取101,是为了细分直方图,以增大分辨率,但为了使维数不增大,仅将直方图中有效的部分留下,去除多余的“0”值部分,将维数降至15维以提高整体的灵敏度。实验结果表明,这样做不仅准确率高,而且算法运行时间短。(2)稀疏分解在房颤检

7、测算法中的应用。本文从预处理后的直方图数据中随机选取一定数量的样本进行原子库设计,在此基础上构造两个子类字典,分别是正常心电信号字典和房颤心电信号字典。分别求心电信号在两个字典上的稀疏表示,这样能够保留更多的信号特征。最后采用最小二乘支持向量机(LS-SVM)进行分类。经MIT-BIH房颤数据库验证,本文房颤检测算法的准确率、灵敏度和特异性分别达到了96.92%、97.93%和95.50%。实验结果表明,本文算法在房颤检测时达到了较高的准确率。关键词房颤检测RR间期直方图稀疏分解LS-SVMIAbstractAbstract

8、Withincreasingnumbersofagingpeopleandfactorsleadingtoatrialfibrillation(AF),AFhasbecomethemostcommonarrhythmiainourcountry,evenallovertheworld.Th

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。