心電特征檢測與心律不齊疾病分類.pdf

1、心臟病是危害人類生命健康的主要殺手之一，具有隱蔽性強、發(fā)病快、可供反應(yīng)時間短、死亡率高的特點。心電圖是記錄心臟健康狀況的重要工具，利用計算機軟件對采集的心電信號進行自動分析，能夠及時發(fā)現(xiàn)心臟的異常癥狀保證心臟的健康?，F(xiàn)有的自動分析檢測技術(shù)仍存在易受到噪聲的干擾，特征檢測與疾病分類不夠準(zhǔn)確等問題。
　　針對這些問題，本文從濾波預(yù)處理、心電特征檢測、設(shè)計優(yōu)化分類模型幾方面著手解決。針對心電信號中的噪聲種類多、覆蓋頻域廣的特點，利用九層

2、分解的小波變換濾波器對原始信號進行濾波降噪。針對心電信號中特征波形幅值變化幅度大的特點，提出了一種融合K近鄰思想的自適應(yīng)閾值心電特征檢測方法，并利用集群智能PSO算法做參數(shù)最優(yōu)化處理。利用檢測的特征點提取心電特征，設(shè)計了基于決策樹的多分類SVM模型，并利用PSO算法選擇模型的輸入特征并優(yōu)化模型參數(shù)，對正常竇性心律、左束支傳導(dǎo)阻滯（LBBBB）、右束支傳導(dǎo)阻滯（RBBBB）、房性早搏（APC）以及室性早縮（PVC）五種類型的心拍進行自動分

3、類。
　　本文使用的九層分解小波變換濾波算法相較于傳統(tǒng)的帶通濾波器，能夠在保留原始波形細(xì)節(jié)信息的條件下濾除心電信號中的基線漂移、肌電干擾、工頻干擾等噪聲。提出的K近鄰自適應(yīng)閾值法相較于當(dāng)前已有的心電檢測算法具有準(zhǔn)確率高、實時性強、易于實現(xiàn)等特點，特別是對受噪聲干擾嚴(yán)重、采集質(zhì)量較差的信號，能夠提供高精度、實時性的檢測，這在實際的臨床檢測中具有重要的價值。對于心律不齊疾病分類，本文將PSO算法與支持向量機多分類算法相結(jié)合，能夠在保證