心律失常检测及十二导联心电Holter系统的研究

摘要

心律失常在临床上十分常见，特别是一些室性心律失常被认为是生命受到威胁的前兆。因此，尽早的识别出心律失常具有非常重要的临床意义。心电Holter系统提供了最为直接地分析心律失常的检查手段，而传统的心电Holter系统具有价格高、专业性强和各品牌不兼容的特点。
　　 因此，本文从目前心电Holter系统的使用特点和市场需求出发，研究设计了一种十二导联的心电Holter系统。该系统具有使用方便、价格低廉、功耗低、容量大等特点，加快了心脏病的预防和早期诊断进入普通家庭的步伐，使心脏病的治疗更加及时。在此基础上，本文还对心电信号的预处理和特征提取算法进行了研究，并将模糊推理技术和神经网络结合应用于PVC的自动识别中，推动了模糊推理技术和神经网络应用与ECG分析的进展。本文主要完成了以下几个方面的工作：
　　 (1)研究设计了十二导联心电Holter系统的样机，该系统采用MSP430F149作为系统的主控芯片，SD卡作为存储介质，具有低功耗、容量大等特点，能连续长时间的采集和记录心电数据。
　　 (2)创新性地采用SD卡来存储心电数据，并采用FAT文件系统组织心电数据。SD卡具有功耗低、体积小等特点，采用SD卡存储心电数据可以降低系统功耗和体积；采用FAT文件系统来组织心电数据，这种方式符合Windows用户的使用方式，极大地提高了该系统的亲和力和易用性。
　　 (3)对心电信号的预处理和特征提取算法进行了研究，实现了心电的滤波，特征提取(包括QRS波定位、QRS波宽度提取，T波的检测)，为以后的心律失常的检测提供了基础。R波检测是利用心电信号的频率特性结合差分方法的幅频特性来实现，该算法简单实用，利用MIT-BIH数据库文件对该算法进行测试，正确率高达99.27％。
　　 (4)研究了模糊神经网络分类器在PVC自动识别中的应用，将模糊概念融合到传统多层前向神经网络的输入层和输出层，并利用基于梯度下降原理的误差反向传播算法进行了网络训练。该模糊神经网络由于其输入和输出均表示模糊隶属度，通过隶属度函数的适当选择，更好地模拟了人脑思维的模糊性。利用MIT-BIH数据库文件对该算法进行测试，取得较好的分类效果。

目录

文摘

英文文摘

声明

1绪论

1.1心电自动监护系统的研究意义

1.2动态心电监护仪的发展概况

1.3心电信号的提取方法

1.3.1心电信号的产生及心电图

1.3.2心电导联系统

1.4心电自动分析的现状

1.4.1心电信号的预处理方法

1.4.2心电信号特征点提取

1.4.3心律失常的判断

1.5本文的研究目的和研究内容

1.5.1本文的研究目的

1.5.2本文的研究内容

2十二导联心电信号采集系统的设计

2.1系统的总体结构

2.2心电信号采集电路的设计

2.2.1心电预处理电路的设计

2.2.2心电放大电路的设计

2.2.3电平调理电路的设计

2.3 DC-DC电源变换电路设计

2.4单片机选型及接口电路设计

2.4.1单片机的选择

2.4.2 A/D转换器

2.4.3数据存储介质的选择

2.4.4单片机接口定义

2.4.5 SD卡接口电路

2.5单片机系统软件设计

2.5.1单片机主控程序的软件实现

2.5.2中断采集程序软件实现

2.5.3 SD卡读写的软件实现

2.5.4 FAT文件系统的软件实现

2.6系统抗干扰设计和安全性

2.6.1电路的硬件抗干扰设计

2.6.2电气安全的设计考虑

2.7系统的低功耗设计

2.7.1单片机的低功耗设计

2.7.2 SD卡的低功耗设计

2.7.3系统功耗测试

2.8小结

3心电信号的预处理与特征提取

3.1心电信号的预处理

3.1.1基线漂移的滤除

3.1.2心电信号50Hz工频滤波器的设计

3.2心电信号的特征提取

3.2.1 R波的检测算法

3.2.2 Q、S波的定位

3.2.3 QRS波宽度提取

3.2.4 T波检测

3.3小结

4基于模糊神经网络的PVC自动识别

4.1基本理论简介

4.1.1人工神经网络

4.1.2模糊技术

4.1.3模糊理论与神经网络的结合

4.2模糊技术与神经网络理论在PVC自动识别中的应用

4.3基于模糊神经网络的PVC自动识别

4.3.1 ECG信号特征参数的选取

4.3.2模糊神经网络的模型结构

4.3.3网络学习算法及其改进措施

4.3.4实验及结果分析

4.4小结

5总结与展望

5.1全文总结

5.2研究工作展望

致 谢

参考文献

附 录