動態(tài)心電圖中房顫自動檢測算法研究及其臨床應用.pdf

1、隨著人口老齡化的日益嚴重以及導致房顫發(fā)生的誘發(fā)因素增多，房顫正成為我國乃至全球最為常見的心律失常，由此導致的心血管疾病正不斷威脅著人類的健康。動態(tài)心電圖是臨床上行之有效、簡單無創(chuàng)的房顫診斷和研究手段。目前，已有的房顫算法研究均在檢測準確率、特別是房顫分段的準確率上存在不足，且未集成至臨床動態(tài)心電分析系統(tǒng)中用以輔助房顫診斷。本論文將對動態(tài)心電圖中的房顫自動檢測算法展開研究，提出高靈敏度、特異性強的房顫檢測算法，并將其應用于臨床進行房顫診斷

2、、篩查及預后等輔助工作。
　　 本論文的主要工作內容和創(chuàng)新成果如下:
　　 1、首次提出并實現(xiàn)了一種可準確定位房顫與竇性心律疑似邊界的方法。通過分析RR間期分布隨時間的變化規(guī)律，提出了基于連續(xù)直方圖計算ΔRR間期分布差異曲線（delta RR interval distribution curve，dRDDC曲線）的方法，在dRDDC曲線上，進行局部峰值點檢測及過濾處理，最終獲得房顫與竇性心律的疑似邊界。
　　

3、2、提出了一種基于RR間期的房顫自動檢測算法。該算法在房顫與竇性心律的疑似邊界處，依次采用以下四個方法對房顫與非房顫分布進行識別與分類:1）基于直方圖分析的改進方法;2）基于標準差分析的改進方法;3）基于聯(lián)律識別的改進方法以及4）柯爾莫哥洛夫-史密諾夫檢驗法(Kolmogorov-Smimov test，K-S檢驗)。經MIT-BIH房顫數(shù)據(jù)庫最優(yōu)化閾值分析及驗證，算法獲得了較高的準確率:靈敏度=96.1％，特異性=98.1％。

4、　　 3、提出了結合P波分析的房顫自動檢測算法。通過分析動態(tài)心電圖中的房顫P波特征，提出了一個簡單有效的P波分析策略。在基于RR間期的房顫算法基礎上引入該策略，最終實現(xiàn)了結合P波分析的房顫自動檢測算法。經MIT-BIH房顫數(shù)據(jù)庫驗證，算法總體上獲得了比基于RR間期的房顫算法更高的準確翠:靈敏度=98.2％，特異性=97.5％。
　　 4、結合臨床實驗數(shù)據(jù)設計了兩套實驗方案分別對基于RR間期的房顫算法以及結合P波分析的算法進行了