论文部分内容阅读
心律失常疾病是威胁人类健康的严重隐患,通过心电图能够及早的发现心律失常疾病,心电自动诊断技术更是为降低临床医生的工作负担和提高诊断效率带来了福音。房颤和早搏作为最常见的两种心律失常疾病,国内外很多学者已经对其做了大量的相关研究,很多方法也已应用于心电信号的处理中。但在实际应用中,现有算法在两者的结合以及适用性方面仍存在着一些性能和效率上的问题。因此,本文通过发现两种疾病的心电信号特征提出各自的识别算法和鉴别两种疾病的算法。此外,本文还研究了二度Ⅱ型房室阻滞的自动诊断算法,填补了相关领域的空白。具体研究内容如下:（1）利用房颤在Poincare图上散点分布特性,提出一种新的分布曲线Hcnorm并运用其相关相关指标对房颤进行识别。该算法在四个大型公用心电数据库共计1933小时的数据中取得了出色的效果,敏感性达到97.22%,特异性达到98.48%。接下来创新性地将CONCOR聚类方法应用到室性早搏识别上,建立了一种新的室性早搏识别方法,其在MIT-BIH心律失常数据库中对室性早搏的敏感性达到85.59%,阳性预测率达到92.95%。接着,又发展了房颤与早搏的整合识别算法,算法约登指数达到了90.64%,其在房颤和室性早搏独立存在和混合存在的情况下均能够取得良好的鉴别效果。上述算法都只需要在20s的单导联心电数据段上实现疾病的识别与鉴别,且平均耗时低,其高效轻便的特性满足了实时监护和诊断的需求。（2）提出了一种基于滑动窗检测信号感兴趣区域（ROI,Region Of Interest）并进行漏检P波判别,从而建立一种诊断二度Ⅱ型房室阻滞的方法。其特异性达到99%,对于存在突然QRS波脱落现象的疾病数据敏感度更是达到100%。虽然本方法进行测试的数据集数量有限,但其良好的特异性证实了本方法的可行性,也为进一步研究提供了新思路并奠定了理论和技术基础。