發(fā)布時(shí)間：2024-06-02 19:16

　　心血管疾病已經(jīng)成為全球范圍內(nèi)非傳播性疾病死亡的第一位原因,居所有疾病之首。尤其是進(jìn)入21世紀(jì)以來,全球人口特別是老齡化人口持續(xù)增加,心血管醫(yī)療費(fèi)用快速增長,醫(yī)療資源相對(duì)緊缺且分布不平衡,我國心血管疾病發(fā)病率、死亡率持續(xù)增高。日常心電監(jiān)護(hù)是實(shí)現(xiàn)心血管疾病早期檢測與預(yù)防的有效手段,為心血管疾病早發(fā)現(xiàn)、早治療提供了可行的技術(shù)途徑。基于人體無線傳感器網(wǎng)絡(luò)技術(shù)構(gòu)建的新型移動(dòng)心血管監(jiān)護(hù)體系能夠捕捉罕見的瞬時(shí)致病心拍并加以分析處理,再將處理結(jié)果反饋至病患、醫(yī)生和家屬,實(shí)現(xiàn)遠(yuǎn)程心血管監(jiān)護(hù)、醫(yī)療和保健。但日常心電監(jiān)護(hù)要得到真正實(shí)現(xiàn),在干性電極、信號(hào)感知、典型波識(shí)別、特征提取、心拍分類等方面依然存在巨大挑戰(zhàn)。論文針對(duì)心電監(jiān)護(hù)領(lǐng)域存在的問題,從“感知”、“表征”和“識(shí)別”為切入點(diǎn),開展了干性和濕性電極信號(hào)同步采集與質(zhì)量對(duì)比評(píng)估、自適應(yīng)R波定位、低維度特征提取、異常心拍分類與識(shí)別等方面的研究。論文重點(diǎn)工作內(nèi)容包括:(1)心電信號(hào)采集與信號(hào)質(zhì)量對(duì)比評(píng)估,以驗(yàn)證AgNW電極應(yīng)用于臨床信號(hào)感知的性能;(2)快速自適應(yīng)的心電信號(hào)R波檢測算法,為后續(xù)特征提取提供準(zhǔn)確的R波參考基線;(3)基于小波變換和稀疏表示的低維心電...

【文章頁數(shù)】：134 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 日常心電監(jiān)護(hù)系統(tǒng)
        1.2.1 研究現(xiàn)狀
        1.2.2 關(guān)鍵技術(shù)
        1.2.3 存在的問題與研究方向
    1.3 論文內(nèi)容、結(jié)構(gòu)、目標(biāo)及意義
        1.3.1 研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
        1.3.3 研究目標(biāo)及意義
第二章 基于AgNW干性電極的心電信號(hào)采集與信號(hào)質(zhì)量對(duì)比
    2.1 干性電極發(fā)展現(xiàn)狀
    2.2 心電信號(hào)采集方案設(shè)計(jì)
        2.2.1 信號(hào)采集方案
        2.2.2 AgNW干性電極設(shè)計(jì)
        2.2.3 電極皮膚阻抗
    2.3 信號(hào)質(zhì)量對(duì)比評(píng)估指標(biāo)
        2.3.1 信號(hào)質(zhì)量指標(biāo)
        2.3.2 心率變異性分析
        2.3.3 互相關(guān)系數(shù)
    2.4 對(duì)比評(píng)估結(jié)果與討論
        2.4.1 心電波形及RR間期
        2.4.2 信號(hào)質(zhì)量對(duì)比評(píng)估結(jié)果與分析
        2.4.3 心率變異性對(duì)比評(píng)估結(jié)果與分析
    2.5 本章小結(jié)
第三章 快速自適應(yīng)的心電信號(hào)R波檢測算法
    3.1 R波檢測算法研究背景
    3.2 快速自適應(yīng)R波檢測算法方案
        3.2.1 小波多分辨率分析去噪與信號(hào)增強(qiáng)
        3.2.2 信號(hào)鏡像
        3.2.3 局部最大值檢測及閾值初始化
        3.2.4 雙閾值處理
    3.3 實(shí)驗(yàn)結(jié)果與討論
        3.3.1 數(shù)據(jù)源及算法評(píng)估指標(biāo)
        3.3.2 雙閾值系數(shù)K_amp、K_time及 R波定位
        3.3.3 時(shí)間消耗及時(shí)間復(fù)雜度
        3.3.4 算法缺陷
    3.4 本章小結(jié)
第四章 基于小波變換和稀疏表示的低維心電特征提取
    4.1 心電信號(hào)特征提取理論及降維方法
    4.2 心拍截取
    4.3 低維小波系數(shù)特征
        4.3.1 原始小波系數(shù)
        4.3.2 低維小波系數(shù)
    4.4 低稀疏度稀疏原子特征
    4.5 本章小結(jié)
第五章 基于小波特征、稀疏原子特征和機(jī)器學(xué)習(xí)的早搏心拍分類
    5.1 早搏檢測方法研究
    5.2 早搏識(shí)別方案
        5.2.1 支持向量機(jī)多分類模型
        5.2.2 分類方案及十折投票決策
    5.3 分類評(píng)估指標(biāo)
    5.4 基于低維小波特征對(duì)早搏的分類
        5.4.1 不同小波系數(shù)維度的分類結(jié)果
        5.4.2 分類結(jié)果
    5.5 基于低稀疏度稀疏原子特征對(duì)早搏的分類
        5.5.1 不同稀疏原子稀疏度的分類結(jié)果
        5.5.2 分類結(jié)果
    5.6 結(jié)果分析與討論
    5.7 本章小結(jié)
第六章 總結(jié)和展望
    6.1 總結(jié)
    6.2 論文創(chuàng)新點(diǎn)
    6.3 展望
致謝
參考文獻(xiàn)
附錄
攻讀博士學(xué)位期間的學(xué)術(shù)成果



本文編號(hào)：3987666