心电信号R峰的检测方法研究

摘要

目前，心血管疾病患者的人数持续增长，而且心血管疾病已经严重威胁到人体健康。在临床医学上，医生在诊断心血管病时都是以心电图作为判断依据的。所以如何提取心电图的有用信息就成为我们研究的重点。　　心电信号是一个微弱生物信号，很容易被噪声淹没，所以我们在进行心电研究前，都需要对信号进行滤波处理。而信号经过预处理之后，R波的准确定位是研究心电图的另一个关键问题。如果不能解决这两个问题就不能做到准确的心电图自动分析，而且医生需要耗费大量的精力用在心电图分析上。人工分析心电图需要耗费很多的资源，并且不能实时地给出病人的诊断结果，不利于病人的治疗。　　所以本论文针对心电信号的滤波预处理和如何定位R峰位置两个问题展开。其中本论文的最后三章是按照我们算法的三个模块来安排的，分别是：信号预处理、R波特征提取和R峰检测。全文主要研究了以下几个方面的工作：　　（1）提出了经验模态分解和排列熵相结合的心电信号预处理算法。我们提出的算法能同时滤除高频的工频干扰噪声和低频的基线漂移噪声，并且同时能保留更多心电信号的细节特征。最后，用排列熵来挑选IMF重构信号，还能避免受人工挑选IMF的主观意识的影响。　　（2）使用曲线长度变换的方法来处理心电信号，能有效地增强心电信号的 R峰特征，大大减少发生信号误检和漏检的情况。　　（3）依据生理学的心电知识来改进幅度调整算法，使算法更切合心电信号的实际情况。并且在算法增加额外的检测条件，使算法能有效地检测出R峰的位置，降低漏检率和误检率。　　（4）本论文用提出的算法对整个 MIT-BIH 数据库的数据进行测试。其检测结果为：灵敏度达到99.85%以上，阳性检测率达到99.03%以上。　　本论文研究的算法在保留大部分心电信号特征的同时，还能有效的滤除噪声。并且能准确的检测到R峰的位置。这些研究能为临床心电图的分析诊断提供重要的研究基础。

目录

第一个书签之前