基于序列分解和符號(hào)化的心率失常信號(hào)分析方法研究.pdf

1、心血管疾病是威脅人類健康的疾病之一。近年來，心血管疾病的發(fā)病率逐漸上升，嚴(yán)重危及人們的生命安全。心血管疾病患者越來越多，越來越趨于年輕化。心血管疾病最嚴(yán)重的臨床表現(xiàn)就是心臟猝死，如果患者心臟猝死后不能得到及時(shí)有效的治療，將會(huì)失去生命。正因如此，多國醫(yī)藥衛(wèi)生部門、研究中心都對此進(jìn)行研究。經(jīng)研究發(fā)現(xiàn)，大多數(shù)心臟猝死都是由心室纖顫(Ventricular Fibrillation，VF)或者持續(xù)性心動(dòng)過速(Ventricular Tachyc

2、ardia，VT)惡化導(dǎo)致的。針對VF與VT，臨床醫(yī)治方案是不同的。如果患者心室纖顫發(fā)作，必須馬上進(jìn)行除顫，這是目前效果最佳的治療方案。如果患者是持續(xù)性室性心動(dòng)過速，需要及時(shí)正確的進(jìn)行藥物治療，以達(dá)到降低轉(zhuǎn)為心室纖顫或者心臟猝死發(fā)生率的目的。如果VT被診斷為VF，患者將遭受不必要的電擊，對心臟造成創(chuàng)傷。如果VF被診斷為VT，沒有及時(shí)進(jìn)行除顫，患者將會(huì)發(fā)生心臟猝死。目前檢測算法能很好的區(qū)分竇性心律和VT、VF，但是VT與VF的檢測還在持續(xù)

3、研究中。
　　根據(jù)目前對心電信號(hào)的研究，可將ECG視為非線性時(shí)間序列的范疇。用非線性動(dòng)力學(xué)理論來分析ECG具有明顯的優(yōu)勢。本文以非線性動(dòng)力學(xué)為理論依據(jù)對符號(hào)時(shí)間序列分析方法進(jìn)行了分析研究，并結(jié)合時(shí)間序列分解算法提出了基于序列分解和符號(hào)時(shí)間序列分析方法的VT/VF檢測新算法，其中包括基于EMD與符號(hào)時(shí)間序列分析方法的新算法和基于小波分析與符號(hào)時(shí)間序列分析方法的新算法。然后利用數(shù)據(jù)集對提出的算法進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)合符號(hào)時(shí)間序列理論對實(shí)驗(yàn)

4、結(jié)果進(jìn)行分析與比較。實(shí)驗(yàn)表明EMD結(jié)合符號(hào)時(shí)間序列分析方法其VT/VF的識(shí)別率為97.82％，小波分析結(jié)合符號(hào)時(shí)間序列分析方法其VT/VF的識(shí)別率為99.5％。并針對時(shí)間序列分析方法中的二值粗粒化不足對其改進(jìn)。通過實(shí)驗(yàn)對比了改進(jìn)之后算法與改進(jìn)之前的變化。針對VT/VF的識(shí)別度以及算法執(zhí)行時(shí)間對改進(jìn)算法和未改進(jìn)算法做了對比試驗(yàn)。實(shí)驗(yàn)表明，在VT/VF識(shí)別度基本一致的情況下，改進(jìn)算法相比未改進(jìn)算法相比，計(jì)算量減少，改進(jìn)算法的時(shí)間縮減了30多

5、倍。而且針對小樣本時(shí)，改進(jìn)算法會(huì)獲得更高的VT/VF識(shí)別率。換言之，在實(shí)時(shí)性要求較高的監(jiān)護(hù)系統(tǒng)中，改進(jìn)算法能對輸入信號(hào)更快的做出響應(yīng)。對算法進(jìn)行改進(jìn)后，計(jì)算量大大減小，算法執(zhí)行時(shí)間縮短，適合用于監(jiān)護(hù)儀、自動(dòng)體外除顫儀(AED)植和入式除顫儀(ICD)等實(shí)時(shí)監(jiān)測預(yù)警和自動(dòng)除顫設(shè)備。最后從樣本時(shí)間與符號(hào)化等級兩方面對改進(jìn)算法與單獨(dú)的符號(hào)時(shí)間序列分析方法進(jìn)行了對比實(shí)驗(yàn)，實(shí)驗(yàn)表明改進(jìn)算法無論是在樣本時(shí)間還是符號(hào)化等級相比單獨(dú)使用符號(hào)時(shí)間序列分析

6、方法具有更好的識(shí)別性能，說明了基于序列分解算法及符號(hào)時(shí)間序列分析算法的融合算法的有效性。
　　本文主要?jiǎng)?chuàng)新點(diǎn):第一，提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解序列分解方法與符號(hào)時(shí)間序列分析方法的VT/VF檢測新算法，研究表明該方法對VT/VF具有較高的識(shí)別度。第二，提出了基于小波分析與符號(hào)時(shí)間序列分析方法的VT/VF檢測新算法，研究表明適當(dāng)?shù)男盘?hào)采樣率有利于符號(hào)時(shí)間序列分析方法挖掘序列的本質(zhì)特征，通過小波分解得到的分解序列提取符號(hào)熵對VT/VF相比E