版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著人口老齡化的日益嚴(yán)重以及導(dǎo)致房顫發(fā)生的因素增多,房顫已成為我國(guó)乃至全球最為常見(jiàn)的心律失常。因此,及早地發(fā)現(xiàn)房顫,對(duì)減少病人的發(fā)病率和死亡率,以及減少經(jīng)濟(jì)上的負(fù)擔(dān)都具有重要的臨床和社會(huì)意義。目前,已有的房顫?rùn)z測(cè)算法尚未妥善解決特征提取問(wèn)題,所以房顫?rùn)z測(cè)錯(cuò)誤率仍較高。稀疏分解可以實(shí)現(xiàn)數(shù)據(jù)壓縮的高效性,更重要的是可以利用字典的冗余特性捕捉信號(hào)內(nèi)在的本質(zhì)特征。本文利用稀疏分解這一優(yōu)越性,將其應(yīng)用于本文的房顫?rùn)z測(cè)算法當(dāng)中。RR間期絕對(duì)不規(guī)整是
2、房顫發(fā)生時(shí)的一重要心電圖特征,本文基于房顫的這一特點(diǎn)展開(kāi)深入研究,設(shè)計(jì)了基于RR間期與稀疏分解的房顫自動(dòng)檢測(cè)算法。
本研究主要內(nèi)容包括:⑴心電信號(hào)預(yù)處理。利用ΔRR間期直方圖對(duì)正常和房顫兩類(lèi)原始心電信號(hào)進(jìn)行預(yù)處理,使房顫RR間期分布特征更加明顯。其中,直方圖寬度值M選取101,是為了細(xì)分直方圖,以增大分辨率,但為了使維數(shù)不增大,僅將直方圖中有效的部分留下,去除多余的“0”值部分,將維數(shù)降至15維以提高整體的靈敏度。實(shí)驗(yàn)結(jié)果表明
3、,這樣做不僅準(zhǔn)確率高,而且算法運(yùn)行時(shí)間短。⑵稀疏分解在房顫?rùn)z測(cè)算法中的應(yīng)用。從預(yù)處理后的直方圖數(shù)據(jù)中隨機(jī)選取一定數(shù)量的樣本進(jìn)行原子庫(kù)設(shè)計(jì),在此基礎(chǔ)上構(gòu)造兩個(gè)子類(lèi)字典,分別是正常心電信號(hào)字典和房顫心電信號(hào)字典。分別求心電信號(hào)在兩個(gè)字典上的稀疏表示,這樣能夠保留更多的信號(hào)特征。最后采用最小二乘支持向量機(jī)(LS-SVM)進(jìn)行分類(lèi)。經(jīng)MIT-BIH房顫數(shù)據(jù)庫(kù)驗(yàn)證,房顫?rùn)z測(cè)算法的準(zhǔn)確率、靈敏度和特異性分別達(dá)到了96.92%、97.93%和95.5
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- RR間期分段與房顫?rùn)z測(cè)算法研究.pdf
- 基于RR間期和深度置信網(wǎng)絡(luò)的房顫?rùn)z測(cè).pdf
- 房顫伴長(zhǎng)rr間期是否需要
- 心房顫動(dòng)的上游治療緊急處理與長(zhǎng)rr間期的處置對(duì)策
- 心電信號(hào)中R波的檢測(cè)及RR間期預(yù)測(cè)方法的研究.pdf
- 基于稀疏分解的信號(hào)去噪方法研究.pdf
- 基于稀疏分解的頻譜感知方法研究.pdf
- 基于稀疏表示的目標(biāo)檢測(cè)與跟蹤方法研究.pdf
- 基于稀疏表示方法的行人檢測(cè)研究.pdf
- 基于稀疏分解的音符起始點(diǎn)檢測(cè).pdf
- 基于矩陣低秩稀疏分解的運(yùn)動(dòng)目標(biāo)檢測(cè).pdf
- 191例長(zhǎng)rr間期的動(dòng)態(tài)心電圖分析
- 基于稀疏分解的音頻場(chǎng)景識(shí)別方法研究.pdf
- 基于結(jié)構(gòu)化低秩稀疏分解模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究.pdf
- 基于稀疏分解算法的稀疏信道估計(jì)研究.pdf
- 基于矩陣稀疏分解的圖像顯著性檢測(cè).pdf
- 基于低秩矩陣與稀疏矩陣分解的語(yǔ)音增強(qiáng)方法.pdf
- 基于稀疏分解的音符識(shí)別研究.pdf
- 基于稀疏約束非負(fù)矩陣分解算法的故障檢測(cè)與診斷.pdf
- 基于稀疏表示的行人檢測(cè)方法研究.pdf
評(píng)論
0/150
提交評(píng)論