基于小波分析和神经网络的异常心电信号分类研究

摘要

心脏是身体重要的器官，自从人类开始探测心电信号，心电图就成为了衡量及检测心脏是否健康的手段。心电学的研究和计算机的发展使心电信号的自动识别分类技术在近些年来一直在被作为重要课题所研究。本文结合小波变换与神经网络，对心电信号自动分类识别做了进一步研究，并以实验论证了神经网络技术在计算机自动诊断方面的重要意义。
　　本文首先阐述了当前心电信号自动诊断技术的发展及研究现状。紧接着介绍了心电信号的产生机理和心电图的基础知识，并对心电信号中几种典型异常信号做了解释，包括诊断标准和异常信号的波形特征。之后，剖析了心电信号诊断分类的难点，即信号中存在肌电噪声、工频干扰以及基线漂移等，使得计算机对心电信号分类不准确，参数提取不合理。在此之上，对比了几种针对上述问题的心电信号消噪方法，结合小波阈值滤波和小波分解与重构滤波两种算法的特点，即前者有效滤除工频干扰和肌电噪声，后者有效校正基线漂移，实现了ECG信号预处理的目的，为后续处理做好了准备。之后又引入了基于小波变换理论的QRS波形检测方法，重点阐明了利用双正交二次B样条小波的检测算法。仿真实验结果表明，该小波算法对QRS波群的检测率高达99％以上，可以很好的定位心电数据，以便准确提取波形特征参数作为后期处理的输入集。最后，参照目前临床所使用的检测标准为参数基础，设计并训练了一种使用Levenberg-Marquardt算法改进的BP神经网络。该算法同时具有了最速梯度下降法和牛顿法的优势，克服了BP网络的收敛速度慢、训练精度低和局部极小化的缺陷。实验训练样本集则采用国际普遍使用的MIT-BIH标准心律失常数据库中的样本。仿真结果表明，本文改进的BP神经网络模型对于心脏早搏现象的识别，达到了满意的效果。除此之外，还可利用此网络检测分类多种心律失常症状，其表现达到了90％以上准确率。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 ECG自动诊断系统概述

1．2．1 ECG自动诊断系统的构成

1．2．2 ECG自动诊断系统的研究现状

1．2．3 ECG自动诊断系统研究的难点

1．3 本文主要内容

1．4 本文结构安排

第二章 心电图的基本知识

2．1 心电信号的产生机理

2．2 心电图的基础

2．3 常见心率失常心电图表现

2．3．1 早搏

2．3．2 窦性心律不齐

2．3．3 起搏器起搏的心拍

2．3．4 束支传导阻滞

2．4 心室过早搏动

2．5 本章小结

第三章 心电信号的预处理

3．1 ECG信号中存在的噪声与干扰分析

3．2 基于经典数字滤波技术的心电消噪

3．2．1 基线漂移校正

3．2．2 高频肌电噪声及工频干扰的滤除

3．3 基于小波理论的ECG消噪

3．3．1 小波变换特性及原理

3．3．2 小波消噪算法中的关键问题分析

3．3．3 小波算法在ECG消噪中的应用与实现

3．4 传统滤波与小波消噪的比较与分析

3．5 本章小结

第四章 基于小波理论的QRS波群检测算法研究

4．1 QRS波群检测意义及常用检测法

4．2 基于经典差分阈值法的R波检测

4．3 小波变换探测ECG信号奇异点原理

4．3．1 多分辨率分析和Mallat算法

4．3．2 ECG信号在在小波变换下的特征

4．4 基于双正交二次B样条小波的QRS波群识别算法

4．4．1 算法研究及仿真

4．4．2 小波检测法与经典差分阈值法的比较与分析

4．5 本章小结

第五章 基于神经网络的异常心电信号自动分类

5．1 BP神经网络

5．1．1 BP神经网络的构成与实际应用

5．1．2 训练BP神经网络

5．2 对普通BP神经网络的分析及改进

5．2．1 BP神经网络的有限性

5．2．2 本文改进的BP神经网络算法

5．3 基于BP网络算法改进的早搏心拍检测

5．3．1 BP神经网络检测分类的结构设计

5．3．2 检测分类的算法设计

5．3．3 心电图神经网络分类的可靠性分析

5．4 基于BP网络改进算法的心律异常信号分类

5．4．1 实验设计与实现

5．4．2 实验仿真与结果统计

5．5 本章小结

第六章 总结及展望

6．1 本文工作总结

6．2 今后研究展望

参考文献

致谢

攻读学位期间发表的论文及参与项目