心律失常智能診斷系統(tǒng)的研究與實現(xiàn).pdf

1、據(jù)權(quán)威調(diào)查顯示，每年死于心血管疾病的人數(shù)占死亡總?cè)藬?shù)的三分之一。由于動態(tài)心電監(jiān)護儀的監(jiān)護是防止心血管疾病最行之有效的方法，因此心律失常智能分類算法和心電圖采集設(shè)備的研究對于挽救生命有著重要的意義。
　　本文的選題來源于與臺灣新唐科技有限公司的合作項目“單導(dǎo)聯(lián)心電監(jiān)護儀系統(tǒng)”以及模式識別國家重點實驗室開放課題“動態(tài)心電圖智能診斷方法研究與實現(xiàn)”。文中的工作包括心律失常特征提取和分類算法研究以及心律失常智能診斷系統(tǒng)的軟硬件實現(xiàn)兩個方面

2、。在心律失常智能診斷軟件中應(yīng)用了文中研究的算法。
　　本文對國內(nèi)外的多種動態(tài)心電圖智能診斷方法進行了綜述，針對傳統(tǒng)的差分法魯棒性不高的問題應(yīng)用基于動態(tài)閾值和面積法相結(jié)合的方法對心電信號進行R波檢測，有效的去除了漏檢情況，并使R波檢測準確率達到了98％以上。文中針對傳統(tǒng)的特征提取方法在波群形態(tài)細節(jié)描述方面的缺陷，應(yīng)用小波變換方法對心電信號進行特征提取，有效的描述了P波、QRS波群的形態(tài)及變化趨勢。仿真結(jié)果表明基于小波變換的特征提取方

3、法用最少的特征向量實現(xiàn)完整而快速的分類過程，同時準確率高于經(jīng)典的基于臨床判斷依據(jù)的特征提取方法。針對分支邏輯法算法老化，而神經(jīng)網(wǎng)絡(luò)法過于依賴訓(xùn)練樣本的問題，本文采用主從支持向量機的算法對六種類型的心搏進行分類，選用三組不同的特征向量擴充心電信號信息以確保單一心搏的分類準確率達到最高。仿真結(jié)果證明支持向量機對于訓(xùn)練樣本的依賴性較低，同時從支持向量機對主支持向量機的分類結(jié)果具有修正作用，使分類準確率達到97％以上。
　　便攜式單導(dǎo)聯(lián)監(jiān)

4、護儀的硬件設(shè)計與實現(xiàn)過程中，綜合考慮了芯片的體積、成本、功耗等指標，選擇以新唐的32位ARM7TDMI處理器NUC501為核心，該處理器速度快、成本低、功耗小。本硬件系統(tǒng)比以往類似系統(tǒng)成本低、硬件電路簡單、易擴展、調(diào)試方便。心律失常智能診斷軟件完成了智能分析算法以及操作界面的實現(xiàn)，包括波形預(yù)處理、智能分類、數(shù)據(jù)分析、統(tǒng)計輸出等功能。軟件中還設(shè)計了門戶網(wǎng)站，其中包含數(shù)據(jù)上傳、患者數(shù)據(jù)管理、心電診斷報告下載等功能以便醫(yī)生與患者之間的遠程信息