基于Lempel-Ziv复杂度和信号分解的心颤与心动信号分析方法研究

摘要

最近几年来，心血管疾病的发病率在逐年增加。研究发现，心脏的功能性衰退和机能性病变在心血管疾病中占有很大的比重。心率失常中最严重的症状和表现是心脏猝死，如果不能及时地对病人进行除颤等治疗，心脏猝死就意味着病人生命的终结，正因为这样，许多国家的医药卫生部门、研究中心等都投入大量的人力和物力对此进行研究。研究表明，心脏猝死在多数情况下都是由心室纤颤（ventricular fibrillation，VF）或是持续性室性心动过速（ventricular tachycardia， VT）恶化而导致的。而且，治疗这两种疾病所采取的措施是不同的。对患有VF的病人，是要进行除颤操作的；而对于患有VT的病人则要对其进行低能量心率复苏。如果VT被错判为VF或者VF被错判为VT，其结果都是致命的。因此，提出一种高效的自动检测算法不仅有利于减轻医务人员的工作量，而且其在推动临床应用中的贡献将是非常巨大的。
　　按照目前对心电图（ECG）的研究情况来看，都可以用非线性动力学的方法来分析。而且，采用非线性动力学方法对VF和VT的检测有其他方法所不具有的优势。由于心颤的频率在200-500bpm之间,心动的频率大约在150-200bpm之间，噪声中基线漂移和工频干扰频率都在50Hz以下，因此就考虑到先用信号分解的方法，将心电信号分解成一系列的子带信号。本文提出的Lempel-Ziv（简称LZ）复杂度与时间序列分解复合检测相结合的新算法，在准确率及检测速度等方面都具有明显的提升，而且开拓了VF和VT检测算法研究的新途径。
　　另外，对LZ复杂度算法也进行了改进研究。因为进制数L的值如果非常小的话，就极可能因为方法太过死板而不能完全地表现出序列本身的动态特征；如果L非常大，原始序列被分解成多个细小的间隔，得到的这些值的差别并不大。相反，LZ复杂度的计算时间增加以及运行时间的增长，尽管这种方法保留了原始序列的很多细节信息，但是对患有心脏猝死的病人来说提供准确和及时的治疗手段是至关重要的，因此这种方法并不合适。为了解决这个问题，本文引用复杂度指数f，随机的从本文用到的样本中选取六个VT样本和VF样本，通过实验确定进制数L（L=60）。复杂度指数f的引入，使LZ复杂度的性能有了较大的改善，并提高了检测VT和VF的准确率。
　　心脏病正在成为威胁人类健康的重大杀手，它的发病机理非常复杂，其中最重要的一点就是应用非线性动力学来解决。本文提出的这种方法还需要在实践中得到应用，理论与实践相结合，让这种方法得到进一步的推广和应用，只有这样才能实现它治病救人的价值。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪 论

1.1 课题研究背景

1.2 国内外研究现状

1.3 本文的主要内容及章节安排

第二章 LZ复杂度和时间序列分解方法

2.1 LZ复杂度方法

2.2 时间序列分解方法

第三章 近似熵、样本熵方法及实验结果

3.1 近似熵、样本熵概述

3.2 相关向量机

3.3 实验结果及分析

第四章 联合算法对VT、VF的检测

4.1 实验数据及软件

4.2 EMD和LZ复杂度结合的新算法

4.3 小波变换和LZ复杂度结合的新算法

第五章 改进的LZ复杂度算法及实验结果分析

5.1 LZ复杂度算法的改进

5.2 仿真和实验结果

第六章 总结与展望

6.1 全文总结

6.2 前景展望

参考文献

致谢

附录