Holter系統(tǒng)中運動偽差自動識別的關鍵技術及算法研究.pdf

1、運動干擾是動態(tài)心電圖(Holter)系統(tǒng)中最為普遍、最難處理的噪聲干擾類型，已經(jīng)成為當前影響動態(tài)心電圖判讀準確性與診斷效率最為主要的因素之一。目前，關于動態(tài)心電圖運動干擾處理技術的研究主要集中在如何有效地消除運動偽差，而同樣關鍵的運動偽差識別技術以及相關算法卻存在許多空白。本論文對Holter系統(tǒng)中運動偽差自動識別的關鍵技術與算法進行了深入研究，其主要的研究內容和創(chuàng)新成果如下:
　　 1、實現(xiàn)了加速度信號采集模塊與Holter記

2、錄儀的集成，對不同的健康受試者設計了各種運動實驗以探討加速度信號在運動干擾識別方面的應用。通過在PC上對所采集的三軸加速度信號進行二項式擬合、高通濾波以及均方根求和處理得到運動參考信號(REF)之后，對REF信號進行了光譜映射處理，以輔助臨床醫(yī)生對被檢查者的運動時間段進行快速定位。
　　 2、提出了一種新的運動干擾偽差段自動識別算法。通過分析心拍QRS波形態(tài)在運動干擾偽差段中的變化規(guī)律，基于全程心拍的形態(tài)學模板聚類結果，計算了心

3、拍形態(tài)無序畸變特征曲線(Consequent Beats Shape Mutation Curve，cSMC)，然后在cSMC曲線上進行模糊邏輯決策與局部積分處理，最終得到運動干擾段的起始與終止位置。經(jīng)MIT-BIH噪聲測試數(shù)據(jù)庫驗證，算法的準確度為:靈敏度=97.95％，正常心拍誤檢率=0.91％，室上性心拍誤檢率=3.33％。此外，在Intel雙核2.5 G/2 GB PC機上，算法對時長約24小時的臨床動態(tài)心電圖的總識別時間小于4

4、秒。
　　 3、提出了結合高階統(tǒng)計量的運動干擾心拍自動識別算法。對臨床上四種常見形態(tài)類型的干凈心拍加入不同信噪比的運動噪聲，通過分析它們的峰度系數(shù)變化特征，提出了結合峰度系數(shù)與心拍特征的多參數(shù)分層次的運動干擾心拍判定策略。在基于心拍模板聚類的運動干擾偽差段識別算法上引入該策略后，整體算法在保證識別精度基本不變的前提下，有效地降低了對正常心拍與室上性心拍的誤檢率:靈敏度=96.66％，正常心拍誤檢率=0.19％，室上性心拍誤檢率=

5、1.74％。
　　 4、結合MIT-BIH噪聲測試數(shù)據(jù)庫與臨床數(shù)據(jù)集對本論文的算法進行了驗證分析，并按照美國動態(tài)心電圖機國家標準ANSI/AAMI EC38:1998提出的要求，計算得出了算法的準確度隨運動干擾信噪比的變化曲線。實驗結果表明，與現(xiàn)有運動干擾偽差識別方法相比較，本論文所提出的運動干擾偽差自動識別算法獲得了更高的準確度，并且具有更加高效的運算性能，因此更能適合臨床應用。
　　 本論文所提出的運動干擾偽差自動識