基于数学形态学和SOM网络的心拍检测分类算法研究

《基于数学形态学和SOM网络的心拍检测分类算法研究》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、摘要心血管疾病已成为人类健康的“第一杀手”，如何有效预防和及时诊断、治疗心血管疾病已经成为当前迫切需要解决的问题。动态心电图(AECG)可以记录24小时心电改变，有利于捕捉到初期的或潜在的心血管疾病的心电信息，为临床诊断和治疗提供依据。如何快速准确地进行AECG自动分析一直是国内外学者关注的焦点。论文阐述了AECG自动分析的重要临床意义以及相关技术的国内外现状。为了提高AECG自动分析技术的抗干扰能力和心拍模板分类速度，论文提出了一种基于数学形态学和自组织映射(SOM)神经网络的心电分析算法，实现AECG在噪声干扰条

2、件下的心拍准确识别和快速模板分类。主要研究内容包括：1．基于数学形态学的QRS波差位波峰提取算法(PDE算法)，实现在噪声干扰条件下QRS波检测的快速准确。2．基于SOM网络快速心拍模板分类算法，以QRS波的形态学特征作为输入向量，在心电信号快速分类基础上结合凝聚聚类方法，合并SOM网络输出中过分细化的聚类，实现无导师心拍模板自学习分类。3．结合课题组现有研究，算法初步应用于商业化AECG自动分析系统，并进行了临床心电数据评估。经过MIT-BIH心律失常数据库数据测试，算法对心拍检测和分类都具有较好的效果。PDE算法

3、对QRS波检测的灵敏度和特异性分别达99．85％和99．84％，SOM网络快速心拍模板分类算法对48条数据快速准确分类，仅耗时5023ms，与其他算法相比，具有一定的优势。关键词：AECG自动分析，PDE算法，SOM网络，QRS波检测，快速心拍模板分类AbstractCardiovascularandcerebrovasculardiseaseshavebecomethefirstkilIerforhumanhealth．Howtoeffectivelyprevent，timelydiagnoseandtreatof

4、cardiovasculardiseaseshasbecomeanurgentneedtosolvetheproblem．TheECGchangesoccurredof24hourswarerecordedDynamicelectrocardiogram(AECG)．EarlierorpotentialECGinformationofthecardiovascularandcerebrovasculardiseaseswascapturedandevidencesforclinicaldiagnosisandtrea

5、tmentwerepresentedbyAECGTherefore，ithasbeenthefocusofattentionformanyyearsathomeandabroadthathowtoautomatically，rapidlyandaccuratelyanalyzeoftheAECG．TheimportantclinicalsignificanceandcurrentsituationoftechnologiesofAECGautomaticallyanalysiswasdescribedinthedis

6、sertation．Inordertoimprovetheanti-interferenceabilityandtheclassificationrateofAECGbeats，algorithmondetectionandclassificationofAECGbeatsbasedonmathematicalmorphologyandSOMnetworkwasproposed，toachievetoaccuratelydetectbeatsinthenoiseconditionsandrapidlyclassiry

7、beats．Mainresearchcontentsinclude：1．DeviationextractionofpeakalgorithmforQRScomplexbasedonmathematicalmorphologywasproposed，toachievetoaccuratelydetectbeatsinthenoiseconditions2．ThefastheartbeatclassificationalgorithmbasedonSOMnetworkwasproposed．Themorphologica

8、lcharacteristicsofQRSwaveswereastheinputvectors．Onthebasedofrapidclassification，cohesionclusteringmethodwasusedtomergeoutputover-refinementofclusteringofSOMnetworktoachievet