面向心电监测系统的信号质量评估与心律失常检测模型研究

作     者：焦颖 

作者单位：中南大学 

学位级别：硕士

导师姓名：漆华妹

授予年度：2023年

学科分类：0711[理学-系统科学] 1002[医学-临床医学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

主      题：心电监测系统 心律失常检测 信号质量评估 机器学习 神经网络 

摘      要：由于医疗资源分布不均衡和人口老龄化加剧等问题,心血管疾病的发生率逐年升高。以可穿戴式设备为载体的心电监测系统为预防心血管疾病提供了有效解决方案。通过实时采集、传输和分析心电信号,能直接反馈心血管系统相关的生理和病理信息,节约时间和经济成本。但由此产生的噪声信号和海量数据给系统传输和医生诊断造成巨大压力。因此,本文以提高信号可靠可用性和异常心拍检测准确率为目标,对信号质量评估和心律失常检测展开研究。主要研究内容如下:(1)针对系统采集过程中,采集环境复杂导致信号质量参差不齐问题,提出多特征融合的信号质量评估模型。该模型融合导联脱落、QRS波特征、信号形态、噪声水平、功率谱和非线性六类特征评估信号的临床可用性。同时为避免特征冗余,将交叉验证递归特征消除算法与随机森林分类器结合获得最佳特征子集,作为最终评估的信号质量指标。在45000个有标签心电片段上验证模型性能。结果表明,该模型以平均23秒的训练时长获得90%以上的准确率与F分数,能够淘汰含有较多肌电干扰和局部运动伪影的含噪片段,为后续心律失常检测提供信号质量保证。(2)针对心电信号分析过程中,患者信号差异性和不均衡性导致异常信号识别困难问题,提出长短时间记忆网络与胶囊网络结合的心律失常检测模型。该模型从时间、空间、形态三个维度提取信号特征,有效避免信号形态相似造成的特征混淆。此外,针对胶囊网络动态路由算法无抗噪能力的缺陷,提出增强型动态路由算法。引入leaky-softmax函数和子胶囊的存在概率削弱噪声胶囊影响。在MIT-BIH心律失常数据库上与经典模型对比,该模型对于室性异位搏动心拍具有突出的检测能力,灵敏性提升5%-17%。结合质量评估模型,在节约计算资源的同时,能进一步提高2%-4%的检测准确率。综上所述,本文针对心电监测系统不同任务阶段设计了信号质量评估和心律失常检测两类模型。实验证明,两者相互协作能有效去除噪声信号,获得97%以上的检测准确率。图38幅,表18个,参考文献81篇