论文部分内容阅读
大量研究表明T波交替(TWA)现象与心源性猝死、室性心动过速等有着密切关系,已逐渐成为医生诊断和评估心脏疾病的重要参考指标之一。早期的TWA诊断只能通过医生肉眼进行,耗费大量的时间和人力。近年来TWA的自动检测分析方法成为研究热点之一,但未能很好的解决TWA的定量问题和时间定位问题。为进行TWA自动检测分析,必须对心电进行预处理,本文采用了多种预处理综合的方式,通过比较最终选定FIR低通滤波和小波变换复合的方法抑制高频噪声和基线漂移干扰,对该算法进一步优化后可直接应用到心电实时采集终端。预处理后的信号再通过差分求局部极值的方法实现对R波的定位,同时结合自适应阈值、自适应RR间期和R波回搜方法以提高R波的检出率,测试结果表明该算法对来源于TWA数据库中的绝大多数样本数据的R波检出率达到97.7%,采用来自MIT-BIH数据库中的部分数据对算法进行了验证,R波检出率达98%以上,定位精度高达2.8ms。考虑到计算效率,本文直接在R波定位时计算所得到的心电差分信号基础上检测定位T波,通过搜索特定区间的差分信号极值,确定子区间,在该子区间内进一步搜索最大值作为T波波峰,并引入修正环节改善T波波峰定位效果。对MIT中QT数据库中部分数据的测试结果表明,该算法对T波波峰的定位效果较好,其标准差控制在10ms以内。针对TWA幅值的定量问题,本文在传统谱分析方法的基础上进行了改进,采用定长积分平均的方式替代原有的单参考点模式。为了研究分析本方法结果与TWA幅值之间的定量关系,本文在真实心电信号的基础上制作了TWA仿真信号进行测试,数值结果表明在噪声较小时按照本方法可计算得到近似的TWA幅值,其绝对误差控制在±5μV以内。针对TWA信号的时间定位问题,本文采用了短时傅立叶变换方法对其进行处理,结果表明该方法可定位持续仅20跳的TWA信号,并能同时线性体现TWA信号的幅值。针对短时傅立叶变换的结果,本文还提出了对其的自动分析算法,可进一步降低人为工作量,实现了对TWA时间定位的自动检测。