基于形態(tài)指導(dǎo)的T波檢測算法研究.pdf

1、隨著環(huán)境的日益惡化，心臟類疾病的發(fā)病率也在逐年提升，到如今已經(jīng)嚴重威脅人類的身體健康，尤其心臟性猝死，具有突發(fā)性、高發(fā)病率和高致死率的特點，使得因心臟性猝死而死亡的人數(shù)呈逐年遞增的趨勢。所以，心血管疾病相關(guān)方面的研究已經(jīng)成為現(xiàn)在醫(yī)療領(lǐng)域的研究熱點，這就對預(yù)防心血管疾病，特別是心臟性猝死，對研究心電信號分析、診斷技術(shù)提出了更高的要求。研究表明心血管疾病發(fā)生前，患者的心電圖必然會發(fā)生Q-T形態(tài)和間期的變化。因此，T波作為Q-T波段的核心特征

2、波成為心血管類病預(yù)測的關(guān)鍵。由于T波信號微弱，易受噪聲干擾，而且形態(tài)多變，隨著心血管類病研究的深入，T波的形態(tài)學(xué)分類識別和關(guān)鍵特征點檢測也逐漸成為研究的重點和難點。
　　心電信號中部分噪聲的時頻域特征復(fù)雜且分布未知，同時，T波的位置和形態(tài)均有多種變化，導(dǎo)致現(xiàn)有方法的精度還有待提高。隨著計算機技術(shù)的高速發(fā)展，遠程醫(yī)療技術(shù)尤其是遠程心電監(jiān)護系統(tǒng)的形成，使得通過大數(shù)據(jù)加工，提高診斷的精準性，成為了心血管類病早期預(yù)測重要的方向。本文在遠程

3、心電監(jiān)護系統(tǒng)中心電信號噪聲多、干擾大等因素的背景下，充分考慮不同個體之間的差異特征，結(jié)合深度學(xué)習(xí)，利用心電信號具有大數(shù)據(jù)特征的優(yōu)勢，研究心電信號形態(tài)學(xué)分類識別和T波關(guān)鍵特征點自動檢測算法。主要工作如下：
　?。?）心電數(shù)據(jù)預(yù)處理，構(gòu)建包含復(fù)雜冗余信息的T波候選段。本文針對傳統(tǒng)的T波的形態(tài)識別分類和特征點檢測的孰先孰后的矛盾關(guān)系，首次提出了包含復(fù)雜冗余信息的候選T波段這一概念。采用自適應(yīng)閾值的小波方法對心電數(shù)據(jù)進行預(yù)處理，主要先進行

4、濾波，然后通過R波波峰定位，利用相關(guān)醫(yī)學(xué)研究成果，充分考慮不同個體之間的差異特征，提取了候選T波段，并且構(gòu)造訓(xùn)練集和測試集，完成了T波自動檢測算法的前期準備工作。
　?。?）構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)（CNN），進行T波形狀分類。本文以現(xiàn)代醫(yī)學(xué)研究成果為依據(jù)，結(jié)合心電具體信息，以此來進行T波形態(tài)識別分類的研究。本文將心電數(shù)據(jù)預(yù)處理中提取的候選段T波輸入到針對一維心電信號搭建的CNN模型中，通過對CNN模型的網(wǎng)絡(luò)調(diào)優(yōu)，實現(xiàn)T波的形狀識別。這是

5、因為CNN模型各隱含層之間鏈接稀疏、隱含層內(nèi)訓(xùn)練參數(shù)共享等優(yōu)勢，這樣能夠提取更有效的T波抽象特征，且對于位置的微小偏移和噪聲具有比較好的魯棒性。最終，利用QT數(shù)據(jù)庫里的標準化數(shù)據(jù)進行實驗驗證，最終表明，本文方法能夠在未確定T波關(guān)鍵特征點精確位置的前提下，高效的對五種不同形狀的T波進行識別，T波正確識別率達到了99.2％。
　?。?）提出了基于形態(tài)指導(dǎo)的T波關(guān)鍵特征點自動檢測算法。本文利用T波形態(tài)學(xué)分類識別結(jié)果，根據(jù)每一類T波形態(tài)的