2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩118頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、連續(xù)竇性心拍之間的時間間隔存在微小漲落,這種現(xiàn)象稱為心率變異性(Heart Rate Variability, HRV)。HRV蘊藏了豐富的生理和病理信息,是評估自主神經(jīng)系統(tǒng)功能的一個重要標志。HRV分析在疾病診斷、情緒識別和腦力負荷評估等諸多領(lǐng)域有著廣泛的應用。本文對HRV信號的獲取、分析和應用中的一些相關(guān)問題進行了研究。論文的主要研究內(nèi)容如下:
  1)提出了基于小波系數(shù)模極大值序列躍變點的R波檢測策略,實現(xiàn)了連續(xù)小波變換對心

2、電信號R波的檢測。利用復Morlet小波與Mexican-hat小波對心電信號進行連續(xù)小波變換后,小波系數(shù)模極大值對應R波峰值的特點,通過基于小波系數(shù)模極大值序列躍變點的R波檢測策略,在上述兩種小波系數(shù)的線性組合中檢測R波,平均靈敏度為99.37%,平均陽性預測率為99.35%。
  2)提出了基于CEEMD分解的RR間期序列去趨勢方法。從心電信號中提取的RR間期序列是HRV分析的信息來源,并且是非均勻采樣的。為了得到準確的HRV

3、分析結(jié)果,需要在預處理階段將RR間期序列中緩慢的趨勢予以去除。平滑先驗方法(SmoothnessPrior Approach,SPA)目前使用最為廣泛,但這一方法需要將非均勻采樣的RR間期序列通過重采樣轉(zhuǎn)換為均勻采樣序列。這一過程將產(chǎn)生噪聲,并使信號的質(zhì)量受到損害。為了解決這一問題,引入了經(jīng)驗模態(tài)分解(Empirical Mode Decomposition,EMD)。將分解后的信號通過部分重構(gòu),去除其趨勢成分。這一方法可直接用于非均勻

4、采樣信號的處理。此外,為了能夠采用標準指標評價去趨勢方法的性能,提出了一個RR間期序列模型。采用以分貝計的信噪比(ISNR)、均方誤差(EMS)和百分比均方根誤差(DPRS)評價RR間期序列的去趨勢性能。結(jié)果表明,與SPA方法相比,基于互補整體EMD(Complementary Ensemble EMD,CEEMD)的去趨勢方法能得到更高的ISNR,更低的EMS和DPRS,說明其具有更好的性能,并能由此得到更準確的HRV分析結(jié)果。

5、>  3)比較了心衰病人和健康人的HRV指標,并建立了基于相關(guān)指標的心衰診斷模型。采用時域、頻域和非線性方法對40名健康人和40名心衰病人的心電數(shù)據(jù)進行了短時HRV分析,從而建立了基于不同指標組合和線性判別分析(Linear Discriminant Analysis,LDA),及支持向量機(Support Vector Machine,SVM)的心衰診斷模型。結(jié)果表明,基于RR間期均值RR、RR間期標準差SDNN、去趨勢波動分析(De

6、trended Fluctuation Analysis,DFA)短期波動斜率α1、DFA長期波動斜率α2、近似熵ApEn等5個指標和LDA的診斷模型診斷正確率可達到92.5%;基于(RR)、SDNN、RR間期差值的均方根RMSSD、Poincaré分析短軸參數(shù)SD1、ApEn等5個指標和SVM的模型診斷正確率可達到95%。HRV的相關(guān)指標可揭示心臟的動力學特征,并可用于心衰的診斷。
  4)研究了足跟取血造成的疼痛暴露對新生兒自

7、主神經(jīng)系統(tǒng)的影響,并建立了基于HRV指標組合的新生兒疼痛檢測模型。采用時域、頻域和非線性方法對40名新生兒疼痛暴露前后心電數(shù)據(jù)進行了短時HRV分析,并建立了基于不同指標組合和LDA,及SVM的疼痛檢測模型。結(jié)果表明,基于ApEn、遞歸圖分析最大對角線長度Lmax確定性DET等3個指標和LDA的新生兒疼痛檢測模型檢測正確率達到78.75%,基于RR、相鄰兩個RR間期對差值大于50ms的百分比pNN50、ApEn、關(guān)聯(lián)維D2、遞歸率REC等

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論