面向人體心電信號的非線性動力特征分類研究.pdf

1、近幾十年來，隨著基礎(chǔ)科學(xué)的迅速發(fā)展，醫(yī)學(xué)數(shù)字化研究的內(nèi)容得到了極大地豐富，大大降低了醫(yī)學(xué)診斷對專家經(jīng)驗的依賴程度，醫(yī)學(xué)診斷的效率和精度也得到了顯著的提高。其中，數(shù)學(xué)方法在這一過程中起了至關(guān)重要的作用，尤其是非線性科學(xué)，更是為醫(yī)學(xué)研究帶來了眾多價值斐然的成果。本文以非線性動力系統(tǒng)理論為基礎(chǔ)，主要進行心電圖(electro cardio graphy, ECG)信號的非線性動力學(xué)特征的分類研究，提出一種新的ECG信號分析方法，并以此方法為核

2、心，建立一個心律失常信號智能診斷系統(tǒng)。研究內(nèi)容主要包括以下幾個方面：
　　首先，我們對心電信號線性分析方法常用的特征量進行分析研究，發(fā)現(xiàn)這些由心電信號波形形態(tài)所提取的特征量很難識別波形相近的不同類型的ECG信號，致使最終分類結(jié)果不理想，且易受噪音干擾。
　　然后，進行心電信號的非線性分析研究，主要是從非線性時間序列分析理論出發(fā)，采用相空間重構(gòu)技術(shù)，重點是利用龐加萊截面觀測重構(gòu)軌跡的幾何結(jié)構(gòu)，從中得到用以正常竇性心律（NSR）

3、與房顫（AF）、室顫（VF）、心室過速（VT）三類常見心律失常ECG信號自動識別的有用信息，提出一種新的心電信號特征量的提取方法，并通過實驗驗證了此方法的合理性。
　　再后，我們利用來自 MIT數(shù)據(jù)庫中的心電數(shù)據(jù)進行實驗，得到較高的分類精度，進一步驗證了此方法的有效性。
　　最后，我們基于新方法建立一個用以NSR與AF、VT、VF自動識別的診斷系統(tǒng)，實驗結(jié)果表明：此系統(tǒng)可有效識別NSR與AF、VT、VF三類常見心律失常信號，