论文部分内容阅读
心电图波形变异包含着丰富心脏生理病理方面的信息,但由于缺乏有效的波形变异表示方法而没有得到广泛的应用。本文总结了现有的波形变异表示方法,并提出了新的思路,使用新的粗糙集模型从这些方法中选择出对临床诊断有帮助的方法。 本文设计了一种新的QRS波群检测算法。通过应用MIT-BIH数据库中的不同数据源的心电记录来检验这种方法的性能,QRS波群的正确检测率达到了99.39%。 本文利用MIT-BIH多信息数据库中同步记录的心电信号和胸廓体积信号,深入地分析了呼吸影响心电图波形的机制及振幅对齐对消除呼吸影响的作用。 本文应用多种方法分析了153例心电图记录的波形变异程度。波形变异的表示方法是首先通过最小方差法和矢量量化法计算心电图波形变异得到了固定模板QRS波群及T波波形变异序列、相邻两拍间QRS波群及T波波形变异序列和QRS波群及T波多状态值序列,然后计算出各波形变异序列的关联维、Lyapunov指数、近似熵、二值KC复杂度和多状态值序列的信息熵、多状态KC复杂度。利用心电图记录的心电图波形变异数据建立一个属性值为模糊集的粗糙集合,用来选出对临床诊断有效的波形变异分析方法。 本文的创新点: 1.建立了一种新的QRS波群检测方法,通过滤波器组将心电信号分成多个子带信号。根据QRS波群的中心频率为17Hz,将不包含17Hz的子带信号作为噪音估计。这样不仅在包含17Hz的子带信号上能够容易地找到QRS波群的位置,而且还可以根据其他子带信号判断出能量较高的干扰。因为能量较高的噪音和T波是造成QRS波群检测错误的主要原因,所以