基于無創生理信號的隱性心衰診斷方法研究

基于無創生理信號的隱性心衰診斷方法研究

摘 要

本論文描述了兩種較新的對隱性心衰進行判別的實現方法，分別是BP神經網絡和支持向量機，其中BP神經網絡是重點使用方法。該兩種方法程序均采用MATLB2012a實現編寫，并主要針對被試者運動中的數據進行驗證。整個數據處理過程包含最重要的部分有：對各種生理信號的特征提取，主要包括心電（ECG）信號的R波提取，以及脈搏波信號（PPG）的起始點提取。二者都是基于時間域的快速提取算法，并具有較高的準確性。同時還使用了BMI指數以及心輸出量等簡單易得的生理參數作為判別因子。所有數據中的生理信號均使用無創儀器采集，為日后應用于穿戴式儀器做了很好的鋪墊。另一部分就是在BP神經網絡以及支持向量機中進行驗證，看兩種模型是否可以對心衰病人與健康者進行較為準確的劃分判別。并對最終二者的結果進行了分析。

關鍵詞：信號特征提取， BP神經網絡，支持向量機，心電信號，脈搏波信號

Abstract

...

目  錄

1.緒論……………………………………………………………………………….1

1.1.課題背景及目的1

1.2.國內外研究狀況2

1.3.課題研究方法5

1.4.論文構成及研究內容6

2.心衰判別的特征提取…………………………………………………………….7

2.1.穿戴式可測量參數與心衰的關系7

2.2.特征提取和涉及算法12

3.模式識別…………………………………………………………………………21

3.1.模式識別的三種分類21

3.2.模式識別的可行性22

4.神經網絡及其應用………………………………………………………………..23

4.1.人工神經網絡23

4.2.BP神經網絡原理23

4.3.BP神經網絡的應用過程26

5.支持向量機及其應用………………………………………………………… ..27

5.1.支持向量機原理27

5.2.支持向量機的優點29

6.心衰判別算法的驗證與討論………………………………………………………30

6.1.運動實驗及實驗對象30

6.2.實驗結果分析33

結 論…………………………………………………………………………………..38

致 謝…………………………………………………………………………………..40

參考文獻……………………………………………………………………………...42

附 錄…………………………………………………………………………………..47

核心程序代碼47