室顫信號(hào)的非線性檢測研究.pdf

1、心室纖顫(VF)是一種惡性心律,易引發(fā)心臟性猝死.猝死發(fā)生前可無任何先兆,據(jù)美國心臟協(xié)會(huì)(AHA)統(tǒng)計(jì),約有高達(dá)30％的死者沒有發(fā)現(xiàn)已知或未知的心臟病.絕大部分心源性猝死發(fā)生在醫(yī)院外,如果能提前發(fā)現(xiàn)并采取迅速的治療可以提高這部分人的存活機(jī)會(huì).因此對(duì)猝死和惡性室性心律失常的檢測及預(yù)測是心律失常學(xué)研究的一個(gè)重要課題.本課題就是以VF檢測技術(shù)為主要內(nèi)容進(jìn)行的研究。
　　研究表明,心臟動(dòng)力學(xué)是復(fù)雜、非線性的.因此,非線性動(dòng)力學(xué)和非線性數(shù)學(xué)

2、模型可以有效的分析心電信號(hào).本文列舉了幾種經(jīng)典的VF檢測算法,并提出一種基于心電特征和支持向量機(jī)(SVM)分類理論的非線性檢測算法,該算法首先對(duì)待檢測信號(hào)進(jìn)行預(yù)處理,然后采用4s滑動(dòng)窗技術(shù)提取每一窗長度下待檢測信號(hào)的心電特征,并將其輸入到二分類支持向量機(jī)中進(jìn)行非線性分類,從而實(shí)現(xiàn)室顫信號(hào)的檢測.論文采用BIH-MIT和CU數(shù)據(jù)庫中的全部心電信號(hào)進(jìn)行無選擇的檢測,并只對(duì)室顫和非室顫信號(hào)進(jìn)行二分類,不對(duì)室顫及室速信號(hào)進(jìn)行區(qū)分.
　　論

3、文中用來提取信號(hào)特征的算法為TCI算法、時(shí)間延遲算法和希爾伯特算法,并對(duì)各算法進(jìn)行了改進(jìn).對(duì)于TCI算法,改進(jìn)主要對(duì)窗長度和閾值的選取進(jìn)行改進(jìn),采用絕對(duì)閾值和4s滑動(dòng)窗技術(shù),計(jì)算每一4s滑動(dòng)窗內(nèi)中間2s信號(hào)的TCI值作為心電特征參數(shù),從而增加室顫信號(hào)與非室顫信號(hào)的特征差距.對(duì)于時(shí)間延遲算法,為提高算法的實(shí)時(shí)性,將原算法的滑動(dòng)窗長由8s改為4s,對(duì)其算法的復(fù)雜度進(jìn)行了簡化.對(duì)于希爾伯特算法,本文首次引入到心電信號(hào)處理中,將其作為心電特征提

4、取的新算法,文中對(duì)其進(jìn)行了詳細(xì)介紹.本文通過對(duì)以上三種算法的改進(jìn),實(shí)現(xiàn)更實(shí)時(shí)、有效心電特征提取.
　　支持向量機(jī)(SVM)理論是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展的一種機(jī)器學(xué)習(xí)方法,常用在包括線性和非線性可分的二分類問題中,并且在解決小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢.本課題采用核函數(shù)支持向量機(jī)用于非線性分類,選取模型參數(shù)少、應(yīng)用廣泛的徑向基函數(shù)(RBF)作為核函數(shù).并采用陸振波支持向量機(jī)軟件包(SVM_luzhenb