心电自动分析诊断系统设计

《心电自动分析诊断系统设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、心电自动分析诊断系统设计垫主当通焦三猩专业2鲤窆级硕士生姓名：堡邀笙指导教师(姓名、职称)：董睦盛进竖在生物医学工程领域，针对心电图波形特征的研究一直是热点，同时心电信号自动分析和诊断功能的实现将有力促进中国医疗事业的发展。本文主要针对工程中的实际应用设计心电信号分析诊断系统，这是实现心电数据自动检测与提取的软件工程手段。在工程算法上围绕“心电信号预处理”、“心电波形检测与提取”、“心电分析软件设计与实现”三个主要方向展开研究。首先介绍了各种应用于心电预处理的方法及心电信号特征点提取的方法，并对此进行了优缺点对比说明。其次具体分析了应用于本次VC工程的心电信号预处理的方法。

2、接着本文重点分析了心电特征波形和特征点的提取方法，提出两种QRS波特征点的提取方法：一是基于可变差分阂值的高效率QRS波群特征检测软件实现方法；二是基于多模态形态学导数(Multi．ModalMorphologicalDerivatives，MMD)变换方法实现QRS波群的起点和终点检测。在针对T波区间的检测上应用局部放大效果较好的‘翼’函数法做T波区间变换，对正向单峰T波精确定位始点和终点。最后针对心电自动分类方法进行研究，确定了适合工程应用的分支逻辑判断方法。将临床经验通过计算机语言进行分类和表达，设计合理程序实现心电自动诊断功能。本文所采用的数据库为国际公认的MIT—

3、BIH心律失常数据库，算法仿真工具为matlab7．0。通过对48个心律失常信号的算法仿真验证了本文设计的方法的准确性和可靠性。最后采用计算机语言C抖运用面向对象的方法设计软件，利用VisualC++6．0编写基于windows平台心电自动分析诊断软件。软件包括心电波形的显示、特征参数的分析、诊断报告显示等功能。关键词：心电信号，差分阈值，多模态形态学导数(Multi—ModalMorphologicalDerivatives，删D)，‘翼函数’，心电自动分析软件心电自动分析诊断系统设计THESIS：DesignofECGAutomaticAnalysisAndDiagno

4、sisSystemSPECIALIZATION：ElectronicandCommunicationEngineeringPOSTGRADUAIE：Shuhau，RenMENTOR：Xiaolin,HuangLecturerIIlthebiomedicalengineeringfield，thestudyofECGwaveformcharacteristicshasbeenahotspot，atthesametime，therealizationofautomaticECGanalysisanddiagnosiscapabilitieswillgreatlypromoteC

5、hina‘Smedicalindustry．Inthispaper,aECGsignalanalysisanddiagnosissystemhasdesignedforthepracticalapplication，whichwasalsoasofLwareengineeringtoolforECGautomaticdetectionandexlmction．Algorithmsinengineeringresearchedaroundthreemaindirections，the’’ECGsignalpreprocessing”，”ECGdetectionandextra

6、ction”，”DesignandimplementationofECGanalysissoftware”．Firstly，avarietyofmethodsusedinpretreatmentandextractionofECGfeaturehavebeenintroduced，andcomparedthesemethodstoexplaintheadvantagesanddisadvantages．FollowedbydetailedanalysisofthesemethodsusedinECGsignalpreprocessingoftheVCproject．Then

7、thispaperanalyzedthemethodsofextractioncharacteristicsoftheECGwaveformandfeaturepoint,andproposedtwoextractionmethodsofQP,Swavefeaturepoints：Firstonebasedonthevariabledifferentialthreshold，andit'sahigh-efficiencymethodofdetectionofQRSwavegroupcharacteristicsan