基于心電圖的異源數(shù)據(jù)庫及診斷算法研究.pdf

1、心電圖（Electrocardiogram，ECG）從19世紀(jì)被應(yīng)用于臨床醫(yī)學(xué)以來，一直在疾病診斷過程中扮演著重要角色。通過對(duì)前人研究的總結(jié)和分析，可以發(fā)現(xiàn)心電信號(hào)處理算法非常的豐富，但很少有涉及到針對(duì)異源心電數(shù)據(jù)庫問題的研究。然而現(xiàn)實(shí)的應(yīng)用往往針對(duì)異源數(shù)據(jù)庫，所以異源數(shù)據(jù)庫的研究是非常有必要和價(jià)值的。另外，神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于心電識(shí)別領(lǐng)域，尤其是BP神經(jīng)網(wǎng)絡(luò)。但通過深入研究和大量實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)樣本容量逐漸增大相應(yīng)測(cè)試樣本的容量也隨之增大

2、時(shí)，基于BPNN的分類中，測(cè)試樣本輸出結(jié)果的區(qū)分度會(huì)越來越小。這必然導(dǎo)致很多樣本被錯(cuò)誤的歸類，所以解決BP神經(jīng)網(wǎng)絡(luò)的這一缺陷也是非常有必要的。
　　針對(duì)上面出現(xiàn)的這兩個(gè)問題，本文提出了解決異源數(shù)據(jù)庫應(yīng)用障礙的預(yù)處理方法和基于BP神經(jīng)網(wǎng)絡(luò)的多階分類算法。通過對(duì)心電圖診斷過程的充分調(diào)研，提出了去噪及采樣頻率轉(zhuǎn)換的預(yù)處理方法。結(jié)合三個(gè)異源心電數(shù)據(jù)庫，進(jìn)行了異源數(shù)據(jù)庫處理并通過熵值、標(biāo)準(zhǔn)差、峰度和偏度四個(gè)相似度指標(biāo)對(duì)處理前后三個(gè)數(shù)據(jù)庫信號(hào)

3、的相似度做了對(duì)比。實(shí)驗(yàn)表明，提出的預(yù)處理方案具有較好的效果。另外，結(jié)合MIT-BIH心率失常數(shù)據(jù)庫和PTB心電數(shù)據(jù)庫，進(jìn)行了異源數(shù)據(jù)庫間的疾病診斷實(shí)驗(yàn)，實(shí)驗(yàn)表明本文提出的預(yù)處理方案可以解決異源數(shù)據(jù)庫之間疾病診斷問題。為了解決BP神經(jīng)網(wǎng)絡(luò)分類區(qū)分度變小的問題，在對(duì)BP神經(jīng)網(wǎng)絡(luò)深入研究之后，本文通過增加多個(gè)假測(cè)試集進(jìn)行多階網(wǎng)絡(luò)訓(xùn)練。得到多個(gè)訓(xùn)練網(wǎng)絡(luò)，最后應(yīng)用訓(xùn)練得到的多個(gè)網(wǎng)絡(luò)對(duì)測(cè)試集進(jìn)行分類，這樣便解決了區(qū)分度下降的問題。然后針對(duì)MIT-B

4、IH心率失常數(shù)據(jù)庫中5類心搏進(jìn)行了分類實(shí)驗(yàn)，結(jié)合波形特征提取方式識(shí)別率可以達(dá)到96.8％，比常規(guī)的BP神經(jīng)網(wǎng)絡(luò)算法識(shí)別率高出5%左右。另外，本文還利用SVM算法結(jié)合小波特征和波形特征以及調(diào)研中的較好文獻(xiàn)方法，進(jìn)行了分類實(shí)驗(yàn)，實(shí)驗(yàn)對(duì)比均顯示本文提出的基于BP神經(jīng)網(wǎng)絡(luò)的多階分類算法效果要好于其他方法。
　　在完成前面研究工作之后，以此作為基礎(chǔ)，本課題實(shí)現(xiàn)了基于心電圖的心率失常診斷系統(tǒng)。診斷系統(tǒng)以普遍的Android智能手機(jī)作為客戶端載