基于matlab的滤波器设计开题报告
- 格式：doc
- 大小：40.50 KB
- 文档页数：3
基于参数模型的ECG特征提取和BP神经网络分类
（开题报告）
1．课题研究背景及其意义
亚太群组协作研究组织（APCSC）通过长达10年、针对逾65.9万亚洲人口，对血压、肥胖、胆固醇、糖尿病和吸烟之间的关系进行了调查研究，结果表明：心脏病的大规模流行，正开始对中国及其他许多亚洲国家造成严重影响。
近20年来，我国环境和人口发生了显著变化，如：劳动力流动性提高，居民膳食和生活习惯改变，环境污染加重，社会开始进入老龄化等等。
这一切，使得冠心病的患病率急剧上升。
据有关调查显示心脏病在我国至少“年轻”
了15岁。
据天津医科大学第二医院、天津市心脏病学研究所、医学博士、博士生导师黄体钢教授介绍，2003年，全球心血管病死亡占总死亡的29.9%。
我国部分地区居民死亡率和死因调查报告显示，上世纪50年代，心血管病死亡率为47.20/10万，在死因构成比中占6.61%，列第五位；至70年代，上述数字分别为115.74/10万和19.49%，列为第二位，到80年代分别为119.34/10万和21.49%，升至第一位。
目前心血管疾病是全国死亡人口中最主要死因，约占死亡人数的34％－40％，其中全国每年因冠心病死亡110万人。
有专家预测我国未来30年冠心病的人数将增加4倍。
有资料报道，40岁以后每增加10岁，冠心病患病率增加1倍，就全国而言，其死亡率在2020年左右将达到高峰。
根据世界疾病变迁史的检验，冠心病的发病率以及死亡率随着工业化程度的提高而迅速上升。
我国沿海地区的经济走在全国的前列，冠心病的高峰极有可能比其它省市提前到来。
仅仅是今年一年，由媒体报导的因心脏病猝死的名人就为数不少，《吉尼斯世界纪录大全》图书的创办人之一诺里斯·麦克沃特、全球快餐业巨头麦当劳公司董事长吉姆·坎塔卢波、爱立信(中国)有限公司总裁杨迈……还有前不久死于雅典奥运会现场的北京电视台记者等等。
各种类型的冠心病都伴随有心律失常的发生，而最为严重的是心室性心动过速（ventricular tachycardia, VT）和心室纤维性颤动（ventricular fibrillation, VF），其它的心脏疾病也会导致心室性心动过速（VT）和心室纤维性颤动（VF）的发生。
心室纤维性颤动往往紧跟着在心室性心动过速之后发生，而心室纤维性颤动发生后，如果在2至3分种内得不到及时的治疗将会导致大脑不可逆转的损坏而导致病人迅速死亡。
所以快速和准确地检测心室性心动过速和心室纤维性颤动信号具有非常重要的意义。
各种冠心病和心律失常心电图（E1ectrocardiograph简称ECG ）都有其自身的特点，并都可以用数学的语言加以描述。
另外，现代计算机和信息理论技术正以前所未有的速度发展。
因此，实现计算机辅助ECG诊断具有
理论和技术上的可行性。
在现实中，家用心电检测仪、24小时动态
血压监护仪等已被广泛使用。
ECG信号的自动采集技术已经比较成熟。
因此，实现计算机辅助ECG诊断具有现实上的可行性。
2．原来诊断系统中存在的问题
在传统医疗模式中，医生及护士通常是根据病人的ECG以及血压，心率等特征，再凭借自己多年的临床经验，对病症做出判断并采取相应的治疗抢救措施。
这种模式存在以下几个问题：诊断速度较慢，尤其对致命性心率失常，容易错失治疗良机；病症诊断的准确性取决于医生的临床经验及现场的判断能力，容易受人为因素的影响。
这就为我们提出了利用ECG信号智能分析进行疾病诊断的可行性同时，也给我们提出了如何克服传统医疗模式中存在问题的挑战。
工程的方法为我们提供了一条解决传统医疗模式存在问题的有
效途径。
计算机辅助心电信号自动诊断已经研究了近五十年，并积累了许多经验。
其基本思想是从病人的ECG信号中采用数据处理手段自动提取与病况有关的特征，再应用各种分类技术将病人的ECG信号进行自动分类，帮助临床医生快速、准确地进行病症的诊断。
其中，特征提取的方法对计算机辅助诊断的快速性有着重要的影响。
就致命性心率失常的诊断而言，有关算法的微小改进有时会拯救许多人的生命。
3．本文的研究内容和目标
本文正是在以上的背景下提出的，力图寻找一种计算简单容易实现和高效的计算机致命性心率失常的诊断方法。
对心律失常病症的自动诊断系统包括以下几个部分：病人的心电信号（ECG）信号的采集，ECG信号中病症特征的提取，利用BP神经网络或线性分类器进行分类。
最后，为医生提供主要的辅助诊断手段。
其系统的基本组成如下：
本文以MIT-BIH数据库中的正常窦性心律（NSR）、心室性心动过速和心室纤维性颤动信号为研究对象，提取信号的特征并进行分类。
设计一种能够帮助临床医生快速、准确地进行辅助诊断的方法。
其内容包括：
1）利用单变量回归（AR）模型对正常窦性心律、心室性心动过速和心室性纤维性颤动信号进行数学建模。
2）给出一种提取心电信号特征信息的方法，即以AR模型系数为信号的特征。
3）分别利用BP神经网络和线性分类器进行分类和比较。
4）提出一种利用心电信号对心律失常进行计算机辅助诊断的可行方法。
4．日程安排
2004.9-2004.12 搜集资料，写开题报告
2004.12-2005.3 完成系统设计
2005.3-2005.6 完善系统，编写论文
2005.6 准备答辨
5．参考文献
[1]N. Goldschlager and M. J. Goldman, Principles of Clinical Electrocardiography, Appenton
& Lange, A publishing Division of Prentice Hall, 1989.
[2]S. Metal, “Esophageal electrocardiography in actual cardiac care,” Am J Med, vol. 82, pp.
689, 1987.
[3]/
[4].au/physiol/tute2/rm.html
[5]R. L. Bashshur, “On the definition and evaluation of telemedicine,” Telemed J, vol. 1, pp.
19-30, 1995.
[6]M. J. Field, Telemedicine: A Guide to Assessing Telecommunications in Health Care,
Washington, DC: National Academy Pr, 1996.
[7] E. Jam e, Jr. Cabral and K. Yongmin, “Multimedia systems for telemedicine and their
communications requirements,” IEEE Communications Magazine, pp. 18-27, July 1996. [8] D. A. Peredina and A. Allen, “Telemedicine technology and clinical applications,” Am.
Jour. Med. Assoc., 273, pp. 483-488, 1995.
[9]O. Chutatape and S. Pranata, and H. Feng, “On the use of mobitex network for
telemedicine,” Proc. Scientific Meeting of Biomedical Engineering Society, Singapiore, 1999.
[10]P. Pavlopoulos, S. Dembeyiotis, “Ambulance –Mobile unit for health care provision via
telematics support,” Proc. IEEE-EMBS Conference, Amsterdam, pp. 1232- 1233, 1996. [11]K. Hanamura, K. Asakura, and S. Sone, “Trial of telemedicine by satellite
communications,” Proc. International Conference on Biomedical Engi neering, Singapore, pp. 744, 1997.
[12]S. M. S. Jalaleddine, C. G. Hutchens, R. D. Strattan, and W. A. Coberly, “ECG data
compression techniques-a unified approach,” IEEE Trans. on BME, vol.37, pp. 329-343, April 1990.
[13]焦李成，神经网络系统理论，西安：西安电子科技大学出版社，1996
[14]黄德双，神经网络模式识别系统理论，北京：电子工业出版社，1996
[15]袁曾任，人工神经元网络及其应用，北京：清华大学出版社，1999
[16]杨建刚，人工神经网络实用教程，杭州：浙江大学出版社，2000
[17]张元鹏，董海，计算机图像处理技术基础，北京：北京大学出版社，1996
[18]张智星，孙春在，[日]水谷英二，神经—模糊和软计算，西安：西安交通大学出版社，2000
[19]高文志，人工神经网络的发展、研究内容及综述，山东电子，1998，4：3-6。
