心電異常自動檢測算法的研究.pdf

1、隨著人們生活水平的提高以及計算機在各個領域的應用和發(fā)展，計算機和心電學的結合對心電圖異常檢測的研究起到了推動作用。在心電圖異常的自動檢測的研究中，心電圖的預處理方法主要有帶通濾波法和小波變換法，異常診斷方法主要有特征提取法、支持向量機法和神經網絡法等，特征向量法的算法較為復雜，支持向量機法以及神經網絡法都是基于模型檢測異常的，且模型建立時間較長，故它們實時檢測的效果較差。
　　文章主要對心電圖異常的自動檢測進行了研究，主要分為心電

2、圖的預處理、特征參數的檢測和異常的診斷三個方面。文章首先對麻省理工學院心律失常數據庫（MIT-BIH數據庫）中以二進制格式存儲的心電圖數據進行提取，然后對提取出的心電圖數據實施第一階段的操作，即預處理操作。心電圖的預處理操作即去除心電圖中的噪聲，其中包括工頻干擾和肌電干擾引起的高頻噪聲以及低頻的基線漂移信號。首先使用小波變換法提取出心電信號中的低頻分量和高頻分量，通過對低頻信號的處理濾除基線漂移噪聲信號，然后比較和分析了閾值函數的選取方

3、法以及閾值的選取方法，選擇無偏似然估計閾值法選取閾值，并使用軟閾值函數進行高頻分量的平滑處理，從而實現高頻噪聲的過濾，實現了比較理想的預處理效果。預處理完畢后，首先通過一階的差分運算獲取極值點，結合波峰波谷的取值范圍獲取 R波和T波位置參數，然后對Q波和S波進行識別，最后獲取P波位置。在異常的診斷方面，利用心電圖特征獲取正常心電模板，采用多模板匹配法構建模板庫，然后計算心電模板和待檢測心電圖的相關系數來進行模板匹配，通過相關系數判斷兩者