

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、室性心動過速(VT:Verltricular Tarchycardia)與心室纖顫(VF:YentricularFibrillation)是惡性心律,易引發(fā)心臟猝死現(xiàn)象。猝死發(fā)生前可無任何先兆,據(jù)美國AHA統(tǒng)計,在猝死病例中,約有高達(dá)30%的死者沒有或從來沒有發(fā)現(xiàn)過心臟病。絕大部分心臟病猝死情況發(fā)生在醫(yī)院外面,如果能提前發(fā)現(xiàn)和采用迅速的治療可以提高這部分人存活的機(jī)會。因此對猝死和惡性室性心律失常的預(yù)測是心律失常學(xué)研究的一個重要課題。本課
2、題也是以此為主要內(nèi)容進(jìn)行研究的。 心電信號(ECG)是一種微弱的非線性、非平穩(wěn)的隨機(jī)信號,常規(guī)的心電信號一般是mV級。由于在心電信號的采集過程中,采集端需要與人體直接接觸,因而采集端采集到的心電信號中包含了大量的干擾信號,如工頻干擾、基線漂移、肌電干擾、電極接觸噪聲、運(yùn)動偽跡等。這些噪聲給心電信號的分析、識別和診斷帶來了嚴(yán)重的干擾,因此必須對采集的心電信號進(jìn)行有效濾波。小波變換(WT)是一種時頻局部化、多分辨分析方法,具有自動“
3、變焦距”的功能,可用來提取和識別那些淹沒在噪聲中的微弱電生理信號,在獲得信噪比增益的同時,能夠保持對信號突變信息的良好分辨。因此WI’是處理心電信號的一種可行有效的方法。本文采用coif4小波對采集的心電信號進(jìn)行去噪。在經(jīng)典的軟、硬閾值去噪算法的基礎(chǔ)上,對中間尺度的小波系數(shù)采用軟、硬閾值折衷的去噪算法。仿真結(jié)果表明,coif4小波十分適合用于心電信號濾波,它能有效地去除心電信號中常見的肌電干擾、工頻干擾、基線漂移等干擾和噪聲,并且在去除
4、肌電干擾的同時,有效地保留了有用的心電信號成份。 最近的研究表明心臟動力學(xué)是復(fù)雜、非線性的。因此,非線性動力學(xué)與非線性數(shù)學(xué)模型可以有效地來分析心電信號。本文引用了一種非線性算法——引入Hurst指標(biāo)來識別NSR、VT與VF。該算法基于多尺度分析與非線性動力學(xué),通過量化心電信號的運(yùn)動狀態(tài),提取相應(yīng)的動力學(xué)參數(shù)來識別NSR、VT與VF。利用此算法在研究心臟機(jī)能和狀態(tài)時,不再是對心電信號時間序列進(jìn)行特征提取,而是針對心電信號變化的動力
5、學(xué)原因和運(yùn)動學(xué)特征進(jìn)行研究,目的是揭示心臟在發(fā)生病變及猝死前的情況下,尋找心電信號從正常的竇性節(jié)律到心動過速,到心室纖顫變化的動力學(xué)指標(biāo)趨勢,從而為臨床心電醫(yī)學(xué)的研究提供可靠的證據(jù)。Complex Measure算法被認(rèn)為是經(jīng)典的惡性心律檢測算法,它是通過在時域上量化心電信號的動力學(xué)特征來識別VT與VF,大量的仿真結(jié)果表明:當(dāng)WL(WindowLength)=7s時,VT、VF的檢測率可達(dá)到100%;本課題中采用的Hurst Index
6、算法是在時頻域上來量化心電信號的動力學(xué)特征.,當(dāng)WL=5s時,VT、VF的檢測率即可達(dá)到100%,并且,當(dāng)用Hurst算法與Complex Measure算法分別處理相同長度的數(shù)據(jù)時,結(jié)果表明,前者比后者處理速度快很多。另外,Complex Measure算法處理的VI僅是單形態(tài)的,而Hurst Index算法處理的VT既包含單形態(tài)的,也包含多形態(tài)的。綜合算法識別的準(zhǔn)確性、實(shí)時性與普遍性,本文的Hurst Index算法在臨床應(yīng)用中比C
7、omplex Measure算法有更大的潛能。本課題主要進(jìn)行的是惡性室性心律失常識別與檢測的算法研究。課題所使用的心電數(shù)據(jù)主要來自于MIT-BIH Arrhythmia Database(MITDB)、 MIT-BIH MalignantVentricular Ectopy Database(VFDB)與 CU Ventricular Tachyarrhythmia Database(CUDB),這三個數(shù)據(jù)庫均來源于美國麻省理工大學(xué)創(chuàng)建
8、的生理信號處理數(shù)據(jù)庫(PhysioBank)被世界公認(rèn)為標(biāo)準(zhǔn)、權(quán)威的心電信號數(shù)據(jù)庫。 嵌入式ARM微處理器技術(shù)是目前最熱門的一項技術(shù),它的應(yīng)用幾乎已經(jīng)深入到各個領(lǐng)域,如:工業(yè)控制領(lǐng)域、消費(fèi)類電子產(chǎn)品領(lǐng)域、通信系統(tǒng)領(lǐng)域、網(wǎng)絡(luò)系統(tǒng)領(lǐng)域、無線系統(tǒng)領(lǐng)域等。ARM技術(shù)正在逐步滲入到我們生活的各個方面。ARM微處理器具有體積小、功耗低、成本低、性能高、專用性強(qiáng)、系統(tǒng)精簡等特點(diǎn)。將ARM微處理器應(yīng)用到便攜式心電監(jiān)護(hù)系統(tǒng)的設(shè)計上可以提高運(yùn)算速度
9、和存儲能力、降低電路的復(fù)雜度、減小系統(tǒng)的體積、進(jìn)一步提高心電監(jiān)護(hù)質(zhì)量。便攜式心電監(jiān)護(hù)儀是及時檢測出病人發(fā)生的心律失常信號并實(shí)時發(fā)出報警的心電監(jiān)護(hù)設(shè)備,它具有體積小、便于攜帶、操作簡單等優(yōu)點(diǎn),對挽救院外病人的生命發(fā)揮著重要作用。目前,便攜式心電監(jiān)護(hù)儀受到越來越多消費(fèi)者的青睞,并且,越來越多的醫(yī)學(xué)工作人員進(jìn)行便攜式心電監(jiān)護(hù)儀的研制與改進(jìn)。 本課題中選用Philips公司的LPC2368作為微處理器,并以此為核心對便攜式心電監(jiān)護(hù)儀的設(shè)
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于ARM技術(shù)的語音識別研究.pdf
- 基于ARM的室顫和T波交替檢測技術(shù).pdf
- 基于arm的pwm波輸出
- 基于小波變換的掌紋識別技術(shù)的研究.pdf
- 基于ARM的語音識別研究.pdf
- 基于arm的指紋識別
- 基于ARM-Linux的抗噪聲語音識別技術(shù)研究.pdf
- 基于ARM的Kinect手勢識別研究.pdf
- 基于ARM和uClinux的紙幣識別系統(tǒng)實(shí)時性改進(jìn).pdf
- 基于小波矩的圖像內(nèi)容識別技術(shù)研究.pdf
- 基于ARM架構(gòu)的嵌入式人臉識別技術(shù)研究.pdf
- 基于ARM的語音識別系統(tǒng)的研究.pdf
- 基于剪切波變換的人臉表情識別技術(shù).pdf
- 基于ARM技術(shù)的三相正弦波信號發(fā)生器.pdf
- 基于ARM平臺的孤立詞語音識別技術(shù)的研究及實(shí)現(xiàn).pdf
- 基于頻率差異的多次波識別.pdf
- 基于應(yīng)力波反演的管道損傷識別技術(shù)研究.pdf
- 基于arm車牌識別系統(tǒng)
- 基于小波變換的OFDM信號識別技術(shù)研究.pdf
- 基于小波變換的數(shù)字調(diào)制識別技術(shù)研究.pdf
評論
0/150
提交評論