检索历史 清除

摘要我国城市居民心肌梗死死亡率为62.33/10万，农村居民心肌梗死死亡率为78.47/10万，呈快速上升的趋势。加之住院费用高，年均增速达 26.89%，显著高于国内生产总值增速，导致我国心肌梗死诊疗负担日渐加重。并且我国心肌梗死介入救治时间平均为165分钟，远大于“90分钟”的金标准，存在严重的时间延迟。因此，心肌梗死的诊疗已成为了我国重大的医疗卫生问题。<br>　　体表心电图作为心肌梗死在临床中唯一实时无创的检测手段可直观且实时展示心脏的电生理状态。智能检测心肌梗死患者的体表心电图变化，并实现心肌梗死精准诊断是有效救治的关键。目前，心肌梗死智能诊断的研究中仍存在着心电信号降噪导致部分波形细节失真、多导联间关联信息和局部时空特征提取不全面等问题。因此，如何提高降噪性能，同时全面的提取体表心电图中心肌梗死的病理特征，实现心肌梗死精准诊断，成为了研究的重点和难点。<br>　　基于此，本文从心电信号降噪、心肌梗死自动识别与精准定位等多个方面展开研究。主要工作如下：<br>　　1. 针对现有降噪算法存在部分波形细节失真的问题，提出了一种基于递归最小二乘法的回声状态网络心电信号降噪算法。依据心电信号的特性构建回声状态网络，并利用递归最小二乘法对网络进行训练，以自动学习得到可分离心电信号和噪声的非线性特征，从而完成心电信号的降噪。实验结果表明针对分别含1.25 dB的基线漂移、肌电干扰和电极干扰的含噪心电信号，经本文算法降噪后心电信号的输出信噪比分别为 17.13 dB、14.27 dB和12.48 dB，实现了在去除复杂噪声的同时恢复了心电信号的原始形态，尤其是还原了低频特征波的细节形态，为后续的体表心电图的特征提取和心血管疾病的智能诊断提供了可靠保障。<br>　　2. 针对基于单导联心电图的心肌梗死自动识别中局部病理特征提取不充分的问题，提出了一种基于堆叠稀疏自编码器的心肌梗死自动识别算法。构建稀疏自编码器获取无标签输入数据的最优特征表达式，然后堆叠3个稀疏自编码器提取单导联心电图中具有高分辨率的局部形态特征，结合袋装决策树分类器，实现了准确率、灵敏度和特异性分别为99.90%、99.98%和99.52%的心肌梗死自动识别，可为临床中心肌梗死智能诊断提供有效辅助。<br>　　3. 针对心肌梗死定位中 12 导联心电图的导联间关联信息提取不充分的问题，提出了一种基于平行因子分解的心肌梗死精准定位算法。利用离散小波变换提取 12 导联心电图的局部信息，并结合多导联的结构特性将其张量化为三阶心电图张量，然后基于平行因子分解挖掘心电图张量中低维且区分度高的导联间关联特征，实现了 11 类心肌梗死和健康心电图的区分，定位准确率为99.40%，为心肌梗死的精准定位提供了保障。<br>　　4. 为了在 12 导联心电图的直观形态信息获取基础上提取导联间关联信息，进一步提出了基于Tucker2分解的心肌梗死精准定位算法。利用二维心电图图像和导联结构特性构建三阶导联×时间×幅值心电图图像张量，然后基于Tucker2分解自动提取心电图图像张量的三个维度间的相互作用信息，实现了定位准确率为 99.67%的心肌梗死精准定位，可为基于12导联心电图的心肌梗死精准定位的临床决策提供有力的技术支撑。<br>　　5. 针对 12 导联心电图缺失心脏电活动侧面信息的问题，利用心电向量图记录心脏电活动的立体改变，提出了一种基于高阶奇异值分解的心肌梗死精准定位算法。利用小波分解的多尺度特性结合心电向量图的时空特性构建包含局部信息和时空信息的心电向量图张量。并且，基于高阶奇异值分解在时间维度上压缩心电向量图张量，去除冗余信息以提取局部时空特征。最终结合袋装决策树分类器，完成了定位准确率为 99.80%的11类心肌梗死的精准定位，为心肌梗死的智能诊断提供了新思路。