论文部分内容阅读
心率变异性(Heart Rate Variability,HRV)是指连续窦性心跳间瞬时心率的微小涨落,对它的研究,在临床上具有重要的意义。新发展起来的信号分析方法及人工神经网络理论为研究HRV信号提供了新的方法与途径。本文应用AR模型谱估计、小波变换以及人工神经网络分析和处理HRV信号,为临床提供新的和诊断依据。本文主要作了如下几方面的工作。(1)文中对30分钟HRV信号进行了自回归模型(Autoregressive Model,AR)功率谱估计研究,并对比了充血性心衰(Congestive Heart Failure , CHF)患者与健康人基于AR模型谱估计的频域指标,结果表明严重CHF患者HRV信号的总能量、各频段能量、低频段峰值和该频段峰值都有所下降。还对5分钟短时HRV信号进行了AR模型分析,结果表明严重CHF患者与正常人在频域指标上具有统计学差异。(2)文中对30分钟及5分钟HRV信号进行了小波分析。利用小波多分辨率分析方法将HRV信号分解到几个频段,然后再做频域分析。并比较了AR模型谱估计和小波分析得效果。本文对比了CHF患者与健康人小波分析的频域指标,结果表明经由小波分析得到的频域指标能够明确表现CHF患者和健康人HRV信号之间的差异。(3)文中构建了用于CHF诊断的神经网络。将应用AR模型谱估计和小波分析得到的HRV频域指标作为特征向量输入两种神经网络进行CHF自动诊断,均获得了良好的效果,说明通过这两种分析方法所得到的频域指标能够明显表达出CHF患者与健康人HRV信号的差异。(4)设计了一个HRV综合分析系统。本文设计了一个运行于MATLAB环境下的HRV综合分析系统。该系统软件界面友好,人机对话方便。其核心的任务是支持基于HRV信号的神经网络自动诊断。