心电图自动分析技术的研究

《心电图自动分析技术的研究》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、哈尔滨工业大学理学硕士学位论文摘要心电图(Electrocardiogram,ECG)诊断方法，是心血管疾病诊断中的一种非常重要的方法。本文以实现心电图的自动化处理为目标，针对十二导联的心电图的临床诊断过程建立数学模型，首先采用小波变换方法对每一个导联的心电图去除噪声和各种伪迹，提取特征点，然后采用神经网络方法对经过小波处理得到的QRS波、P波和T波进行波形识别，计算出心电图每一个导联的特征数组，最后建立专家知识库，并建立了基于小波、神经网络和专家系统的心电图智能诊断系统，利用所有导联的特征数组对心电图进行诊断。在用小波变换方法检测心电图信号的特征点时，本文充分利用不同尺度上的小波

2、变换所提取的信号特征点的信息来检测心电图信号的特征点，通过由下向上(即由大尺度向小尺度)的方向检测小波变换模极值点，消除孤立模极大值列和多余模极大值列等多种策略，大大减小了噪声、干扰、伪迹和基漂的影响，成功地检测出了QRS波、P波和T波的起点和终点。本文采用基于区域映射模型的单参数动态搜索算法，对经过小波处理之后得到的QRS波、P波和T波的波形进行识别。单参数动态搜索算法对于规模大、特征多的问题的训练效果明显优于BP算法，该算法的特点是在每一步搜索中利用坐标轮换法将参数逐个进行调整，在一维搜索过程中，利用误差函数的导函数进行搜索，大大加快了收敛速度。区域映射模型将样本空间中每一类的

3、特征参数所在区域映射成输出空间中对应的一个区域，而不是一个点。对于每一个样本，只要网络的输出落在为它规定的区域内，其误差则为0，该力法可以解决网络训练和实际分类标准不一致的矛盾，提高了网路的分类能力。根据心电图自动分析的特点，本文建立了小波、神经网络和专家系统集成的心电图智能诊断系统。该系统模拟医生的诊断过程，可成功对心电图进行自动分析与诊断。将其与现有的心血管疾病智能诊断系统相结合，应用到心血管疾病的临床诊断中，可以有效地降低医疗费用和误诊率，具有很强的实际意义。关键词心电图:小波分析;神经网络;专家系统哈尔滨工业大学理学硕士学位论文AbstractThediagnosisofe

4、lectrocardiogram(ECG)isverysignificanttocardiacdiseasesdiagnosis.Inthisthesis,themaintargetistorealizetheautomaticanalysisoftheECGandinordertoreachthetargetthemathematicmodelisbuiltforthediagnosisofECGwithtwelveleads.First,thewavelettransformisusedtodeletethenoiseandmotionartifactintheECGofeac

5、hleadandtodistillthecharacteristicpoints;Second,theneuralnetworkisadoptedtorecognizetheshapesoftheQRS,PandTwaveshavingbeendealtwithbythewavelettransform;Third,theeigenvectorofeachleadiscalculated.Finally,theexpertknowledgelibraryisestablishedandtheeigenvectorsofalltheleadsareusedtodiagnosetheE

6、CGOnthebasisofthewavelettransform,neutralnetworkandexpertsystem,themodelofintelligentdiagnosissystemisproposed.WhentodetectthecharacteristicpointsofECGwithwavelettransform,inthisthesis,theinformationofthecharacteristicpointsdistilledbythewavelettransformatdiferentscalesisusedtodetectthecharact

7、eristicpoints.Themodulusmaximumofthewavelettransformisdetectedfromlargescaletosmallone,andwiththesamemethod,theisolationandredundantmodulusmaximumareeliminated,whichdecreasetheinfluencethenoise,motionartifactandbaselinedriftandthebeginn