论文部分内容阅读
心电图(ECG)是临床上诊断冠心病的重要方法，与其它心电检查手段相比，它具有无创、快速、准确等优点。随着计算机技术的发展，利用计算机对心电信号进行自动准确的分析一直是国内外学者所热衷的课题，但每年由计算机分析的心电信号比例仍然较小，其主要原因是现阶段的心电信号自动提取算法精度较低，并且不能很好地完成自动诊断。因此，探索更加精确的ECG自动提取算法和可靠的自动诊断方法有着非常重要的意义。 基于这种背景，本文设计了更为准确的特征点提取算法和ST段的形态识别方法。具体内容如下： (1)准确提取心电信号特征点。首先利用二次样条小波对心电信号按aTrous算法进行分解，分析了信号奇异点与其小波变换模极大值的对应关系，然后利用小波变换(WT)的多分辨率特性，提出了在不同尺度下进行R波峰值点以及ST段特征点提取的策略。最后分别采用信号发生器产生的心电数据以及MIT／BIH标准心电数据库对自动提取算法进行检验。实验表明，该自动提取算法具有一定的抗干扰能力和较好的检测精度。 (2)识别ST段的形态。在心电信号特征点准确提取的基础上，本文利用斜率法和函数拟合相结合的方法对ST段的形态进行了分类。实验结果说明，函数拟合和斜率法相结合的方法识别了ST段形态的六种变化情况，这种方法简单、快捷，能够很好的满足系统的实时性，但受特征点定位准确性以及信号噪声的影响比较大。 (3)尝试利用模糊自适应神经网络(ANFIS)对ST段形态进行建模。本文采用了ANFIS系统针对ST段的正常、抬高、压低等情况进行了建模尝试。