心電圖中T波交替檢測的關鍵技術研究.pdf

1、心血管類疾病已經成為威脅人類生命的第一大殺手，其病死率之高令世人所畏懼。僅我國每年就有近60萬心源猝死(Sudden-Cardiac Death，SCD)的病例，因此如何有效的提前預測心源性猝死成為目前醫(yī)學界關注的焦點。大量的臨床醫(yī)學研究證實，心電圖中的T波交替(T-wave alternans，TWA)現象與心源性猝死、心律失常等心臟疾病總是相伴發(fā)生。因此，TWA已經成為一種預測以上兩類疾病的無創(chuàng)指標。所以，對T波交替檢測關鍵技術的研

2、究具有非常重要的臨床價值和社會意義。
　　本文的工作圍繞T波交替檢測框架展開，主要針對預處理階段和交替檢測階段的算法進行了研究。
　　預處理階段。針對傳統(tǒng)的R波識別方法易受到噪聲和大幅度T波影響而出現漏檢和誤檢的問題，本文提出了基于差分的自適應閾值改進算法。從信號自身、信號的差分、信號差分的平方三個維度上，通過RR間期閾值、差分平方閾值和R波幅度閾值來改善R波識別的準確性。最后利用仿真實驗驗證了本文算法的有效性和準確性。

3、r>　　T波交替檢測階段。針對傳統(tǒng)的TWA檢測時域算法要么對工頻干擾和基線漂移敏感，要么對T波對齊敏感;而頻域方法雖然對信號質量要求比較低，但是不具備時間分辨率，無法跟蹤非穩(wěn)態(tài)的TWA的問題，本文提出基于Kalman最優(yōu)化估計的T波交替檢測算法。利用Kalman濾波器在抑制高斯噪聲和準確跟蹤方面的優(yōu)越性能，對奇偶分組后的T波進行處理，并應用動態(tài)跟蹤策略檢測TWA。仿真實驗表明該算法能準確的檢測T波交替，而且對高頻噪聲和基線漂移具備很好的

4、抑制作用，可以初步識別非穩(wěn)態(tài)TWA。
　　由于TWA具有非穩(wěn)態(tài)特性，而心電信號中不僅包括高斯噪聲，還包括有色噪聲。因此，針對以上兩點，本文又進一步提出了基于小波變換和Boostrap方法的非穩(wěn)態(tài)T波交替檢測算法。該算法首先使用小波變換對非穩(wěn)態(tài)TWA進行有效的分段，將非穩(wěn)態(tài)TWA變?yōu)閹锥畏€(wěn)態(tài)的TWA，再利用Bootstrap方法對各段進行非參數估計來檢測TWA。通過仿真實驗驗證了該算法在非穩(wěn)態(tài)TWA和包含有色噪聲TWA檢測方面具備優(yōu)