心电信号中T波电交替的检测算法研究

摘要

心血管疾病是现今世界威胁人类健康的头号杀手，其中，心源性猝死( Sudden Cardiac Death, SCD)又占到了大约一半的比例，其早期分析与诊疗越来越受到人们的重视。T波电交替（T-wave Alternans, TWA）是一种非稳态的心电变异性现象，作为无创的心电检测方法，已成为预测SCD的具有统计学意义的独立指标。因此，研究和设计出有效准确的TWA自动检测算法是十分有必要的。
　　 本文在分析了国内外现有的心电信号自动分析技术以及TWA检测算法的基础上，研究并设计了一个用于检测TWA的带有复合预处理的谱估计算法，通过窗口优化、心拍剔除与对齐、数据矩阵去趋势滤波等手段对传统算法进行了改进，最终从原始ECG信号中获取了可用于判定TWA现象的定量指标。通过PhysioNet TWA数据库中的数据分析和动态心电分析系统中的算法嵌入分别对本论文提出的改进TWA检测算法进行了性能评估。实验结果表明，本算法相对于传统方法具有较高的检测灵敏度和准确性；对临床心电数据的分析也初步证实了算法在TWA指标检测中的有效性，为医生提供了一个新的诊断参考指标。
　　 本研究分为五个部分：第1章简要概述了论文的研究背景和意义，并具体介绍了T波电交替的相关背景知识，最后说明了算法评估的相关数据库和实现方法。第2章主要从心电信号预处理、波形检测与相关参数提取以及TWA自动诊断三个方面介绍了心电自动分析技术和TWA检测算法的研究方法和研究现状。第3章提出了本论文的TWA自动检测总体算法的研究与设计，将该TWA检测算法共分为三个阶段详细讲述，介绍了TWA算法的整体流程以及相对于传统算法的改进。第4章对本文提出的算法进行了实现和评估，并对数据结果进行了分析。第5章对本论文进行了总结，并对今后进一步工作的方向进行了展望。

目录

文摘

英文文摘

第1章 绪论

1.1 背景介绍

1.2 研究提出

1.3 研究意义

1.4 T波电交替

1.4.1 TWA研究历史与现状

1.4.2 TWA发生机制研究

1.4.3 PhysioNet T波电交替数据库

1.4.4 动态心电图应用进展

1.5 本论文章节安排

1.6 本章小结

第2章 心电自动分析技术与T波电交替算法简介

2.1 引言

2.2 心电产生的原理及常规心电图概述

2.3 心电信号预处理技术

2.4 波形检测与相关参数提取

2.4.1 QRS波检测技术

2.4.2 其他特征点检测

2.5 微伏级T波电交替诊断技术

2.6 本章小结

第3章 T波电交替自动检测算法

3.1 引言

3.2 数据读取

3.3 第一阶段：原始ECG信号的前处理

3.3.1 ECG信号滤波预处理

3.3.2 QRS波检测

3.3.3 有用标志点定位

3.3.4 T波检测

3.4 第二阶段：供TWA分析的数据获取

3.4.1 分析窗口的选择

3.4.2 根据RR间期进行心拍剔除

3.4.3 根据T波相似度再次进行心拍剔除

3.4.4 心拍对齐

3.4.5 计算T波中感兴趣的区域面积

3.4.6 面积矩阵的去趋势化滤波

3.5 第三阶段：TWA的判定指标计算

3.5.1 谱分析原理

3.5.2 功率谱选择

3.5.3 计算规则

3.6 本章小结

第4章 算法实现与评估

4.1 引言

4.2 改进的TWA检测算法与传统算法效果比较

4.1.1 加窗策略改变

4.1.2 心拍剔除

4.1.3 心拍对齐和计算矩阵的去趋势滤波

4.3 数据库数据TWA分析结果

4.4 T波电交替算法在Holter中的应用

4.3.1 动态心电自动分析系统

4.3.2 算法应用

4.5 本章小结

第5章 总结与展望

5.1 总结

5.2展望

参考文献

致谢

作者简历