心電圖中T波電交替檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、心源性猝死(Sudden Cardiac Death，SCD)已成為僅次于腫瘤的第二大致死疾病，其死因多為惡性室性心律失常。大量的臨床實(shí)驗(yàn)和研究文獻(xiàn)表明，心電圖中T波電交替(T Wave Alternans，TWA)現(xiàn)象與室性心律失常存在密切的關(guān)系，是預(yù)測(cè)惡性室性心律失常和SCD發(fā)生的、具有獨(dú)立性和統(tǒng)計(jì)學(xué)意義的重要指標(biāo)。目前，心電圖中TWA現(xiàn)象的檢測(cè)算法研究已引起廣泛關(guān)注，TWA檢測(cè)有望發(fā)展成為一種優(yōu)越的、無(wú)創(chuàng)評(píng)定發(fā)生心臟猝死危險(xiǎn)性的技

2、術(shù)。但由于TWA現(xiàn)象具有非穩(wěn)態(tài)性、非線性以及心電圖中噪聲的復(fù)雜性，提取具有診斷價(jià)值的TWA指標(biāo)性數(shù)據(jù)非常困難，已成為影響TWA預(yù)測(cè)猝死的關(guān)鍵問題。本文針對(duì)心電圖中TWA檢測(cè)的關(guān)鍵技術(shù)展開研究，基于通用的TWA檢測(cè)框架，將TWA檢測(cè)分為預(yù)處理，T波提取和對(duì)齊，TWA分析三個(gè)階段，在各個(gè)階段研究相應(yīng)的計(jì)算方法，具體的研究?jī)?nèi)容如下：
　　(1)提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)

3、和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的自適應(yīng)去噪算法。
　　TWA檢測(cè)在預(yù)處理階段的主要研究?jī)?nèi)容是:針對(duì)TWA檢測(cè)的特定目的，研究保留T波信息的去噪方法。在對(duì)心電圖中隨機(jī)噪聲的濾除問題上，本文在將心電圖信號(hào)分解為一系列IMF(Intrinsic Mode Function，IMF)分量的基礎(chǔ)上，首先采用數(shù)學(xué)形態(tài)學(xué)方法保留主要的特征波形，然后設(shè)計(jì)自適應(yīng)閾值法對(duì)剩下含噪信號(hào)進(jìn)行閾值處理，來(lái)減小以至于完全剔除其中的噪聲部分，以達(dá)到去噪的同時(shí)保留心電圖中T

4、波的目的。在對(duì)心電圖中基線漂移的濾除問題上，針對(duì)中值方法在濾除基線漂移時(shí)容易出現(xiàn)“臺(tái)階”現(xiàn)象的問題，利用基于EMD和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的去噪方法，對(duì)中值方法提取的基線做進(jìn)一步的濾波，使本文提出的方法在濾除基線噪聲的同時(shí)不破壞心電圖中有用的特征波形。仿真表明，該方法能有效濾除影響TWA檢測(cè)的隨機(jī)噪聲和基線漂移噪聲。
　　(2)提出了一種基于粒子群和心電模型相結(jié)合的T波提取和對(duì)齊方法。
　　TWA檢測(cè)在T波提取階段的主要研究?jī)?nèi)容是

5、:針對(duì)TWA檢測(cè)特定目的，不僅要求準(zhǔn)確地提取T波，且必須保證所提取得不同心搏的T波在起止點(diǎn)和寬度上都是一致的。本文通過基于高斯核的心電圖波形模型，將心電圖中的P波，Q波，R波，S波和T波，用含有峰值時(shí)間、幅度和寬度三個(gè)參數(shù)的高斯函數(shù)來(lái)表示，然后利用該心電圖波形模型所生成的波形曲線來(lái)擬合現(xiàn)實(shí)心電圖波形，以提取心電圖中T波的位置和起止點(diǎn)，從而將心電圖中的T波提取問題轉(zhuǎn)化為多峰高斯曲線擬合問題，在此基礎(chǔ)上，結(jié)合粒子群優(yōu)化算法，來(lái)最優(yōu)提取心電圖

6、中的T波，最后采用模版匹配的方法對(duì)所提取的T波進(jìn)行一致對(duì)齊。仿真表明，該方法能準(zhǔn)確可靠提取和對(duì)齊T波。
　　TWA檢測(cè)在TWA分析階段主要研究心電圖中TWA的定量和定性計(jì)算方法。本文針對(duì)目前TWA檢測(cè)算法研究的熱點(diǎn)問題和難點(diǎn)問題，分別從TWA動(dòng)態(tài)空間方程建立和求解，凸優(yōu)化和非參數(shù)統(tǒng)計(jì)三個(gè)角度出發(fā)，研究穩(wěn)健的TWA分析方法，
　　(3)提出了一種非高斯條件下基于粒子濾波的TWA分析方法。
　　由于受患者病理?xiàng)l件的影響，心

7、電圖中的TWA現(xiàn)象往往是非穩(wěn)態(tài)和非高斯的，綜合考慮心電圖中TWA現(xiàn)象的非穩(wěn)態(tài)、非線性和非高斯性，研究如何提高TWA檢測(cè)方法的穩(wěn)健性，是目前TWA分析方法研究的一個(gè)難點(diǎn)。針對(duì)該難點(diǎn)，本文在建立TWA現(xiàn)象的非線性、非穩(wěn)態(tài)和非高斯?fàn)顟B(tài)空間方程的基礎(chǔ)上，采用粒子濾波(Particle Filter，PF)方法，來(lái)定量和定性分析心電圖中的TWA現(xiàn)象，仿真表明，該方法對(duì)非穩(wěn)態(tài)和非高斯TWA現(xiàn)象具有較好的分析性能，且具有實(shí)時(shí)跟蹤動(dòng)態(tài)TWA變化趨勢(shì)的性

8、能。
　　(4)提出了一種基于L1趨勢(shì)估計(jì)的非穩(wěn)態(tài)TWA高抗噪性分析方法。
　　針對(duì)TWA檢測(cè)特定要求的心電圖去噪方法，為了不影響后續(xù)TWA檢測(cè)的準(zhǔn)確性，必須最大程度保留心電圖中的T波信息，使得用于TWA分析階段的心電圖數(shù)據(jù)仍可能包含一定的噪聲，因而研究如何提高非穩(wěn)態(tài)TWA分析方法的抗噪性能，是TWA檢測(cè)算法研究的關(guān)鍵問題之一，也是目前TWA分析方法研究的熱點(diǎn)問題，本文從凸優(yōu)化的角度出發(fā)，通過利用一段心電圖中TWA的綜合信息

9、，建立TWA凸的數(shù)學(xué)解析模型，然后基于L1趨勢(shì)估計(jì)凸優(yōu)化算法，來(lái)求解一段心電圖中TWA現(xiàn)象的最優(yōu)點(diǎn)線性估計(jì)，從而使設(shè)計(jì)的TWA分析方法既具有跟蹤非穩(wěn)態(tài)TWA的性能，又具有較高的抗噪性。仿真實(shí)驗(yàn)表明，該方法在準(zhǔn)確計(jì)算非穩(wěn)態(tài)TWA的同時(shí)具有較好的抗噪性能。
　　(5)提出了一種基于小波分析和非參數(shù)統(tǒng)計(jì)Bootstrap相結(jié)合的TWA分析方法。
　　利用統(tǒng)計(jì)學(xué)的方法來(lái)檢測(cè)心電圖中的TWA現(xiàn)象一直是TWA分析方法研究的一個(gè)重要方向，

10、本文針對(duì)實(shí)際心電圖中TWA的概率統(tǒng)計(jì)模型難以準(zhǔn)確確定的問題，提出了一套基于Bootstrap非參數(shù)統(tǒng)計(jì)的TWA檢測(cè)方法，首先利用時(shí)頻分析，將心電圖數(shù)據(jù)分為相對(duì)平穩(wěn)的心電圖片段，針對(duì)各個(gè)片段小樣數(shù)據(jù)的TWA檢測(cè)問題，利用Bootstrap對(duì)各個(gè)片段的TWA進(jìn)行重采樣來(lái)定性和定量估算TWA指標(biāo)，從而使該算法具有較好的魯棒性。
　　本文圍繞心電圖中TWA檢測(cè)算法關(guān)鍵技術(shù)問題展開研究，針對(duì)TWA檢測(cè)的特定問題，提出了可靠的心電圖去噪算法和