38900字硕士毕业论文心脏疾病计算机辅助诊断中若干问题的研究

论文类型：硕士毕业论文

论文字数：38900字

论点：心电,算法,信号

论文概述：

本文主要针对计算机辅助心脏疾病诊断中的两个方面进行了研究，一是心电信号处理算法研究，包括预处理算法与特征波定位算法，侧重点为心电信号定位波算法的研究；二是诊断模型的建立，

论文正文：

介绍

1.1研究的背景和意义
心脏病是威胁人类生命的一种重要疾病。我们都有这样的经历。身体不适时(心脏不适、晕厥等)。)，大多数人的第一反应是去医院看医生，但少数人选择继续观察。然而，当发现问题并直接去医院时，心脏病这种快速发作的疾病可能会错过最佳治疗时间。因此，如何为心脏病提供有效、及时的诊断和监测系统是非常重要的。自上个世纪以来，心电图已用于心脏疾病的自动诊断达100年之久。心电图包含丰富的反映心律和心脏传导特征的信息，在一定程度上反映了心脏的活动状态，因此在心脏病的诊断中起着非常重要的作用。目前，心脏病的自动诊断仍然是国内外学术研究的热点。研究的重点不仅限于心电图信号。人们开始把人体看作一个系统，来研究其他信息在心脏病诊断中的作用。随着信息技术的发展，智能计算机成为有经验的医生，帮助医生进行医疗辅助诊断，这不仅为患者提供了方便，也提高了医生的工作效率。心脏病的诊断需要医生积累长期经验才能做出正确的判断。使用“智能计算机”来模拟有经验的医生诊断心脏病可以让医生从繁重的工作中解脱出来。对于一些偏远地区，自动医疗诊断技术也非常重要。农村医疗技术不发达，需要这种“智能电脑”为他们提供医疗援助。此外，医生也可以使用“智能电脑”来探索人体复杂的奥秘。自动医学诊断是现代科学的发展方向之一。基于这一背景，本课题研究了医学诊断中心脏疾病诊断的相关问题。

1.2本专题的国内和国际发展

1.2.1心电图自动分析与诊断技术的发展
目前，心脏病诊断模型主要基于两种数据，一种是基于心电图信号的心脏病诊断模型；另一种是基于生理数据如血氧和血压的诊断模型。基于心电图的心脏疾病自动诊断技术的发展是以心电图自动分析技术的发展为基础的。20世纪50年代，国内外学者开始研究心电自动分析技术。1957年，美国学者发布了第一个能够区分正常和异常心电图的程序，但是这个程序只能识别心电图周期，而不能识别特征波和特征波的边界。1961年，第一个导联心电图分析程序发布。它的成功建立了计算机辅助心电图分析的基本模型。1962年，开发了第一个12导联心电图分析程序，主要利用测量的心电图信号参数进行分析。1996年，分支树逻辑被用于心电图疾病的自动诊断。此后，国内外对心电自动诊断模型及相关算法的研究和开发已经开始。自20世纪70年代以来，自动心电分析技术已在临床实践中得到应用。自20世纪90年代以来，心电信号的自动分析成为研究的热点。现代信号处理技术的发展提高了心电信号自动诊断的准确性，促进了心电信号自动分析在心脏病自动诊断中的应用。使用心电图波形有许多分类方法。最初的方法是聚类分析。文献[1]中使用了模糊聚类和多层感知器相结合的方法。该方法通过添加模糊聚类层实现样本的自适应聚类，然后利用多层感知器进行分类，使分类器适应波形的自然属性。文献中采用了与前者不同的方法。使用包含1000个数据的数据库，并使用相关性分析代替原始波形的特征提取，用于自动分类。不同的特征提取方法会产生不同的分类效果。一些研究将特征点的检测结果分类为特征，一些研究使用变换域特征作为分类的基础。文献[3]讨论了这部分内容。心电信号的预处理和特征波的定位是心电信号自动分析的基础，也是通过心电信号获取病理信息的前提。目前，预处理算法的研究主要集中在高频噪声、基线漂移和工频干扰上，但不能校正运动引起的类似病理特征和严重抖动的伪影。心电特征波检测算法主要包括时域分析、主成分分析、小波变换、数学形态学、神经网络和结构分析。残差矩阵采用多尺度数学形态学导数结合小波变换的方法定位QT间期，并与小波变换结合自适应阈值的方法进行比较，取得了较好的结果。目前，基于小波的特征波定位算法研究很多。在参考文献
计算机辅助医学自动诊断是近年来医学领域的发展方向。它涵盖广泛的领域，有许多应用。心脏疾病的自动诊断是近年来发展最快的领域，主要包括两个方面:一方面，生理信号的自动识别，主要是心电信号，辅以其他生理信号；另一方面，生理参数有助于建立心脏病诊断模型。这里获取生理参数的主要方法是从前者提取医学信号或直接从患者那里测量它们。本文分别从计算机辅助心脏疾病自动诊断的两个方面进行了研究。本文的研究是沿着两条主线展开的。一是建立以心电信号为数据源的心电信号自动分类模型。它包括心电信号的预处理、心电信号特征波的定位、心电信号特征的提取，最后建立SVM模型。第二条主线是建立多生理参数心脏病诊断模型，以克利夫兰数据库为数据源。数据库中的数据是从心脏病患者收集的生理参数数据的数量，主要是为了研究用其他生理参数建立心脏病诊断模型的可行性以及用不同生理参数建立多个模型的重要性。本文的具体工作如下:
(1)简要介绍了心电信号处理算法，包括预处理算法和特征波定位算法，并对该算法进行了仿真研究
(2)研究了各种心电信号特征波定位算法，针对特征波定位中数学形态学导数的不足，提出了双层尺度数学形态学导数DSMD的概念，最后利用DSMD结合局部变换方法对心电信号特征波进行定位。通过将本文提出的特征波定位算法与原MMD算法的结果进行对比分析，发现本文提出的定位算法大大提高了特征波定位的精度。
(3)在定位心电信号特征波的基础上，分别从心电信号的时域、小波域和高阶累积量域提取42维特征作为多分类C-SVM的输入，建立了正常心跳、左束支传导阻滞心跳、右束支传导阻滞心跳和起搏心跳4种心跳类型的自动分类模型。在建立SVM模型的过程中，首先利用粒子群算法优化模型参数，保证模型建立的鲁棒性，然后利用5次交叉验证验证模型的正确性。在特征提取部分，通过计算小波域系数的高阶累积量，简化了小波系数的特征，并给出数据表明，该方法不仅简化了特征，而且提高了分类精度。中，使用基于小波变换的自适应QRS-T抵消纵波检测方法来检测纵波。QRS检测技术对心电特征的检测相对成熟，纵波和横波的检测是心电自动分析技术中的难点。因此，目前国内的研究主要集中在纵波和横波的研究上。

2常见生理信号处理算法和SVM理论概述

2。1心电信号处理算法研究
2.1.1心电信号简介
心电信号是人类和临床医学最早研究和应用的生理信号之一。随着人们对心脏疾病诊断需求的提高，利用现代信号处理技术将心电信号应用于心脏疾病的计算机辅助诊断成为近年来的研究热点。心电图具有信号弱、噪声强、频率范围低、随机性强的特点。直接从人体检测到的生理信号幅度一般相对较小，胎儿心电信号仅为10-50niv，体表心电信号相对较大，最大值为5mv。心电信号的频率范围为0.05-100赫兹，能量主要集中在0.05-40赫兹之间。心电信号的噪声主要来自三个方面:肌电图干扰频率范围为10-300赫兹；频率为50Hz的工频干扰；基线漂移通常由0.01-5Hz频率范围内的人类运动引起。心电信号的信号处理算法包括预处理算法和检测算法。预处理算法一般指去噪算法，而检测算法需要根据不同的应用背景检测心电信号的不同特征。本部分研究了心电信号的预处理算法和特征波定位算法。心电图上心跳的结果是心跳，它有不同的波形，代表心跳的不同阶段。

3改进的心电特征波定位算法.........18
3.1麻省理工学院-BIH数据库........18
3.2多尺度数学形态学MMD理论........18
3.3局部转化原则........20
3.4双层尺度数学形态导数命题........21
3.5结合地方转型的DSMD特色........23
3.6实验结果和分析........25
3.7本章摘要........26
4心搏自动分类模型的建立........27
4.1特征提取........27
4.1.1时域特征提取........27
4.1.2小波域特征提取........28
4.1.3高阶统计特征提取........30
4.2数据处理........33
4.3基于粒子群算法的径向基函数-SVM参数优化算法........33
4.3.1粒子群算法简介........33
4.3.2算法实现........34
4.4模型实施和结果分析........36
4.5本章摘要........39
5多生理参数心脏病诊断模型........40
5.1实验数据介绍........基于遗传算法的40
5.2特征简化算法........40
5.2.1遗传算法理论介绍........40
5.2.2算法实现........42
5.3样本数据预处理........43[/比尔/] 5.4多生理参数诊断模型的参数选择........43 [/BR/] 5.5本章摘要........45

结论

[9]

参考
[1] S .奥索斯基，陈和林，利用模糊混合神经网络的心电搏动识别http://sblunwen.com/jsjll/，IEEE Trans .生物医学。Eng，2001，48(11): 1265-1271。
[2]布塞尔约，德·克雷塞勒。波形识别与10，000心电图，计算机图形学，2000，27:331-334。
[3]夏萨尔警察，理·雷利。不同特征组心电图分类性能的比较，心脏病学计算机，2000，27:327-330。
[4]法雷尔·RM，薛JQ，小BJ。使用频谱和时域技术进行静息心电图的增强节律分析。心脏病学中的计算机，2003，30:733-736。
[5]科勒布，汉宁，奥格迈斯特。软件QRS检测原理。医学和生物学杂志电子工程，2002，21 (1):42-57。
[6]夏莉，吴YH，胡伟。利用小波变换和模糊神经网络从动态心电图中检测VPC。IEEE生物医学工程学报，2004，51(7):1296-1273
[7]余辉，杜菲，张力新闻。基于形态学的QT间期自动检测方法研究。航空空医学和医学工程。2010年，2 (1): 63-68。
[8]刘锦江、王崇光、孙继祥。基于稀疏分解和神经网络的心电信号波形检测与识别[[]。信号处理，2011。27 (6): 843-850。
[9]姬胡，孙继祥，王重光。基于小波变换的自适应QRS-T抵消p波检测算法。电子与信息杂志。[2007，27 (8): 1868-1871
[10]库马拉文，斯里达尔·K·S，尼西亚南达姆·n .使用神经网络自动诊断心脏疾病[·C .，1996年第十五届南方生物医学工程会议IEEE会议录，代顿，1996: 319-322 .