用于心律失常自动诊断的动态心电监测系统的研究

作     者：周葛 

作者单位：吉林大学 

学位级别：硕士

导师姓名：刘光达

授予年度：2021年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 08[工学] 10[医学] 

主      题：心律失常 深度神经网络 动态心电监测 心电 自动诊断 PyQT5 Django 

摘      要：心律失常是指心跳的频率或节律出现异常,严重的心律失常可危及生命。心电图（Electrocardiogram,ECG）是一种记录心脏每个心动周期产生的电活动变化图形的技术。临床上医生能根据病人的ECG图形并结合相关病史和临床表现而得出心律失常的诊断。但异常ECG或许是偶然出现,人工分析不仅费时费力并难免带入主观片面性,且先记录后分析诊断模式多耗时较长也难以应对突发风险。随着技术的发展,在心电采集领域和心律失常分类算法领域,国内外的研究取得了不错的进展。然而,将“心电采集+心电诊断+远程管理一体化研究的比较少。因此,研究适用于个人、家庭、社区以及医院的使用方便且具有心律失常自动诊断和远程数据管理功能的动态心电监测系统非常有意义。一方面可以帮助用户预防突发风险,另一方面能帮助有效的节约医疗资源。本文主要研究用于心律失常自动诊断的动态心电监测系统,主要内容如下:1、设计开发了动态心电数据采集器。该采集器以STM32F405RG为核心,采用24位集成模拟前端ADS1291设计信号调理模块,可实时获取使用者的心电信号,将其以无线方式传输至心电监测客户端,或保存至TF存储卡中。该采集器具有低功耗、小型化及可穿戴的技术特点。2、设计开发了心电监测客户端软件和心电数据远程记录管理系统。心电监测客户端软件基于Python的Py QT5界面库开发,具有心电预处理、心律失常诊断、可视化等功能和部署灵活的特点。心电数据远程记录管理系统在Django框架下开发,提供RESTful接口上传客户端数据,并设计了数据管理web后台。3、研究了基于深度神经网络的实时心律失常诊断方法。首先设计实时QRS波群检测的前向反馈神经网络模型,通过R波位置提取到ECG时域特征,以此构建用于实时心律失常诊断的一维卷积神经网络模型。最后利用MIT-BIH心律失常数据库对模型进行训练并对诊断算法进行了测试。结果表明,该算法对于跨病人的QRS波群位置检测查全率为98.0%、查准率为99.5%以及整体正确率为97.6%,对于5分类的心律失常检测正确率为91.5%。论文最后对本研究的动态心电监测系统的功能进行了验证,结果表明,本文研究的用于心律失常自动诊断的动态心电监测系统,具有心电实时采集、无线传输、实时QRS波群检测以及远程心电数据管理的功能,满足设计要求。