心電異常自動檢測算法的研究.pdf

1、隨著人們生活水平的提高以及計算機(jī)在各個領(lǐng)域的應(yīng)用和發(fā)展，計算機(jī)和心電學(xué)的結(jié)合對心電圖異常檢測的研究起到了推動作用。在心電圖異常的自動檢測的研究中，心電圖的預(yù)處理方法主要有帶通濾波法和小波變換法，異常診斷方法主要有特征提取法、支持向量機(jī)法和神經(jīng)網(wǎng)絡(luò)法等，特征向量法的算法較為復(fù)雜，支持向量機(jī)法以及神經(jīng)網(wǎng)絡(luò)法都是基于模型檢測異常的，且模型建立時間較長，故它們實時檢測的效果較差。
　　文章主要對心電圖異常的自動檢測進(jìn)行了研究，主要分為心電

2、圖的預(yù)處理、特征參數(shù)的檢測和異常的診斷三個方面。文章首先對麻省理工學(xué)院心律失常數(shù)據(jù)庫（MIT-BIH數(shù)據(jù)庫）中以二進(jìn)制格式存儲的心電圖數(shù)據(jù)進(jìn)行提取，然后對提取出的心電圖數(shù)據(jù)實施第一階段的操作，即預(yù)處理操作。心電圖的預(yù)處理操作即去除心電圖中的噪聲，其中包括工頻干擾和肌電干擾引起的高頻噪聲以及低頻的基線漂移信號。首先使用小波變換法提取出心電信號中的低頻分量和高頻分量，通過對低頻信號的處理濾除基線漂移噪聲信號，然后比較和分析了閾值函數(shù)的選取方

3、法以及閾值的選取方法，選擇無偏似然估計閾值法選取閾值，并使用軟閾值函數(shù)進(jìn)行高頻分量的平滑處理，從而實現(xiàn)高頻噪聲的過濾，實現(xiàn)了比較理想的預(yù)處理效果。預(yù)處理完畢后，首先通過一階的差分運(yùn)算獲取極值點，結(jié)合波峰波谷的取值范圍獲取 R波和T波位置參數(shù)，然后對Q波和S波進(jìn)行識別，最后獲取P波位置。在異常的診斷方面，利用心電圖特征獲取正常心電模板，采用多模板匹配法構(gòu)建模板庫，然后計算心電模板和待檢測心電圖的相關(guān)系數(shù)來進(jìn)行模板匹配，通過相關(guān)系數(shù)判斷兩者