论文部分内容阅读
随着人口老龄化的日益严重以及导致房颤发生的诱发因素增多,房颤正成为我国乃至全球最为常见的心律失常,由此导致的心血管疾病正不断威胁着人类的健康。动态心电图是临床上行之有效、简单无创的房颤诊断和研究手段。目前,已有的房颤算法研究均在检测准确率、特别是房颤分段的准确率上存在不足,且未集成至临床动态心电分析系统中用以辅助房颤诊断。本论文将对动态心电图中的房颤自动检测算法展开研究,提出高灵敏度、特异性强的房颤检测算法,并将其应用于临床进行房颤诊断、筛查及预后等辅助工作。本论文的主要工作内容和创新成果如下：1、首次提出并实现了一种可准确定位房颤与窦性心律疑似边界的方法。通过分析RR间期分布随时间的变化规律,提出了基于连续直方图计算ΔRR间期分布差异曲线(delta RR interval distribution curve, dRDDC曲线)的方法,在dRDDC曲线上,进行局部峰值点检测及过滤处理,最终获得房颤与窦性心律的疑似边界。2、提出了一种基于RR间期的房颤自动检测算法。该算法在房颤与窦性心律的疑似边界处,依次采用以下四个方法对房颤与非房颤分布进行识别与分类：1)基于直方图分析的改进方法；2)基于标准差分析的改进方法；3)基于联律识别的改进方法以及4)柯尔莫哥洛夫-史密诺夫检验法(Kolmogorov-Smirnov test,K-S检验)。经MIT-BIH房颤数据库最优化阈值分析及验证,算法获得了较高的准确率：灵敏度=96.1%,特异性=98.1%。3、提出了结合P波分析的房颤自动检测算法。通过分析动态心电图中的房颤P波特征,提出了一个简单有效的P波分析策略。在基于RR间期的房颤算法基础上引入该策略,最终实现了结合P波分析的房颤自动检测算法。经MIT-BIH房颤数据库验证,算法总体上获得了比基于RR间期的房颤算法更高的准确率：灵敏度=98.2%,特异性=97.5%。4、结合临床实验数据设计了两套实验方案分别对基于RR间期的房颤算法以及结合P波分析的算法进行了验证分析,实验结果表明本论文提出的房颤算法具有较好的临床检测准确率,且能适应多种复杂心律失常的情况。论文提出的房颤自动检测算法已集成至临床动态心电分析系统中,并已在国内多家医院的临床中获得了应用,为房颤的临床诊断、筛查、预后等提供技术支撑。