基于體表心電圖的心房顫動特征提取及臨床輔助診斷研究.pdf

1、心房顫動(房顫)是最常見的心律失常，也是目前心律失常領域最難攻克的心臟疾病之一。我國是世界上房顫患者最多的國家，隨著人們生活水平的提高和人口老齡化，其發(fā)病率正呈逐年上升的趨勢，并將成為21世紀我國新興的主流心血管疾病。盡管房顫不象室顫一樣會直接引起患者的死亡，但房顫時快速的心室率可引起血流動力學惡化，導致心功能損害和惡性室性心律失常，尤其是合并血栓將大大增加患者發(fā)生腦卒中的危險。目前，由于找不到跟蹤房顫的狀態(tài)變化和治療效果的有效測試方法

2、，房顫的治理基本上都是基于臨床試錯法，導致治療效率的下降。 體表心電圖(SurfaceECG)由于其無損、簡單易行和重復性好等優(yōu)點，一直在有關心臟功能疾病的診斷和研究中發(fā)揮著獨到的優(yōu)點和重要作用。房顫患者的體表心電中包含反映患者心房活動的信號，即心房顫動波(f波)，其蘊含著豐富的有關患者心房特征結構及病理生理狀況的信息，在臨床上有很大的應用潛力。因此，本文通過利用現代信號處理技術對房顫患者的體表心電圖進行分析和處理，希望能夠提取

3、出反映心房活動的有效特征，從而為房顫的診斷和治療提供一種較先進的無損方法，并為醫(yī)生制定個性化的治療策略提供引導。 本文研究的主要內容有：消除體表心電圖中的QRST波成分，從而提取出反映心房活動的那部分信號，是分析房顫波形特征的前提和基礎。因此，本文針對不同方式下記錄的ECG信號，提出了兩種不同的QRST波消除技術，即基于獨立分量分析(ICA)和主分量分析(PCA)方法的房顫信號提取技術。ICA方法是一種主要利用信號源的空間信息來

4、實現多分量信號分離的盲源分析技術，適合于處理多導聯(lián)(通常是十二導聯(lián))ECG記錄下的持續(xù)性房顫情形。PCA方法則利用了同一記錄中不同心搏間心臟活動信息存在高度相關的特征，適合于處理單通道記錄下的陣發(fā)性房顫情形。消除方法的準確性將直接影響后續(xù)特征提取的有效性，這兩種方法為后續(xù)的工作打下了良好的基礎。 在特征提取階段，本文主要分析了兩個最重要的反映房顫機制特征的標志量，即主譜峰頻率和瞬時頻率，并較詳細地討論了各自的生理基礎和臨床意義。

5、在比較了目前常用的功率譜估計和時頻分析技術優(yōu)缺點的基礎上，首次提出把Hilbert-Huang變換方法用于房顫信號的主譜峰頻率和相關參數估計。另外，通過結合Gabor展開和二次Wigner時頻分布各自的優(yōu)點，提出了一種新的時頻分析方法：線性及二次混合時頻分布(HTFR)，并用來求取反映房顫瞬時特征變化的標志：瞬時頻率及其相關參數。 最后，以前面的研究結果為基礎，在臨床應用開展方面，對陣發(fā)性房顫的自發(fā)終止預測作了比較細致的研究。陣

6、發(fā)性房顫的自行終止往往是患者發(fā)展成持續(xù)性房顫的先兆，事先預測可以幫助臨床醫(yī)生及時采取措施提前終止房顫，從而減少轉變成持續(xù)性房顫的可能性。由于少量的臨床樣本和患者的個體差異，首次把支持向量機引入自發(fā)性終止和非自動終止型房顫，及立即終止型和一分鐘后終止型房顫的預測分類研究，并探討了達到最優(yōu)分類效果和最高的預測準確率的參數優(yōu)化問題、特征量選擇問題以及相關的應對策略。 通過較多的實驗仿真和臨床數據測試分析的結果表明，本文所研究的方法不僅