目录
第1章绪论 (1)
1.1课题研究的背景及意义 (1)
1.2心电图及房颤信号的特征 (3)
1.2.1心电图的介绍 (3)
1.2.2房颤在心电图中的特征 (4)
1.3房颤检测技术的研究进展 (5)
1.3.1国内外研究发展现状及分析 (5)
1.3.2房颤检测算法的对比研究 (7)
1.4本文内容研究及章节安排 (7)
第2章RR间期数据的研究 (9)
2.1直方图分析研究 (9)
2.1.1RR间期差直方图的计算 (9)
2.1.2RR间期直方图改进 (11)
2.1.3RR间期差香农熵计算 (11)
2.2符号动力学的分析 (13)
2.2.1RR间期差符号序列 (13)
2.2.2RR间期差符号序列改进 (14)
2.2.3子串长度概率分布熵 (14)
2.3数据的融合 (16)
2.4本章小结 (16)
第3章基于深度置信网络的房颤检测 (17)
3.1深度学习 (17)
3.2深度置信网络 (18)
3.3受限玻尔兹曼机 (20)
3.3.1受限玻尔兹曼机的基本模型 (20)
3.3.2基于对比散度的RBM的快速学习 (22)
3.4基于反向传播网络的参数调节 (24)
3.5基于深度置信网络的房颤检测 (26)
3.5.1深度置信网络的参数设置 (26)
3.5.2深度置信网络的结构选取 (27)
3.5.3房颤检测的实现步骤 (28)
3.6本章小结 (29)
第4章实验结果与分析 (30)
4.1实验数据说明和相关知识介绍 (30)
4.2实验有效性的验证 (31)
4.3本文方法和其它方法的比较 (32)
4.4本章小结 (33)
第5章总结与展望 (34)
5.1总结 (34)
5.2工作展望 (34)
参考文献 (36)
致谢 (41)
攻读硕士学位期间取得的科研成果 (42)
第1章绪论
第1章绪论
1.1课题研究的背景及意义
心房颤动又称心房纤颤(Atrial Fibrillation,AF)简称房颤，是最常见的一种以心房活动不协调，继而损伤心房机械功能为特点的心律失常疾病，其特点是紊乱的心房活动和随之而来的脑卒、心肌梗死等并发症，其心电图(Electrocardiogram，ECG)的表现为[1-2]：1)RR间期的绝对不规则；2)原固有的P波消失，取而代之的是一系列连续、快速(频率达350~600次/分)、不规则的心房激动波，称为颤动波(f波)。并且，在同一导联上，f波的形状不同、大小不等、间隔不匀、方向各异、波间没有等电位线。
最近几年以来，由于人口老龄化和慢性心脏病等因素的影响，房颤在全球发病率剧增，由此导致的心血管疾病正不断威胁着人类的生命和健康[3-4]。根据流行病统计资料，北美和欧洲国家目前患有阵发性及持续性房颤的病人数量分别高达280万[5]和600万[6]，总的房颤发生率约为0.04%，占住院病人的约4%[7]。在我国房颤患者大约有1000万，其房颤发生率为0.77%[8]。在通常人群中，房颤的发病率为0.4%~1.0%，并且随着年龄的增加，其发病率逐渐上升，50~59岁年龄段的人群有0.5%的人患房颤，60岁以下的人房颤发生的可能性低于1%，高于80岁的人高于6%，80~89岁则上升到8.8%，且同年龄阶段的男性发病率高于女性[9-10]。如图1是1996年美国ATIRA研究，显示了房颤与年龄及性别关系的结果。并且，随着人口老龄化进程的加快以及导致房颤发生的诱发因素(生存环境、生活压力等)增多，房颤的发生率将进一步增加[11]。1996年美国ATIRA大样本调查研究房颤发病率，并预测未来房颤发病率，如图2所示，此数据源于美国，1995年在美国约有230万的成年人(20岁以上)患有房颤，通过统计分析，按照房颤发病率的趋势继续下去，到2050年房颤的发病率会增加2.5倍即超过560万人[12]。