跳到主要內容

臺灣博碩士論文加值系統

(3.231.230.177) 您好!臺灣時間:2021/07/28 23:29
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:徐佑
研究生(外文):Hsu,Yu
論文名稱:利用形態學特徵偵測心肌缺血的發生
論文名稱(外文):Detection of myocardial ischemia episode using morphological features
指導教授:余松年余松年引用關係
指導教授(外文):Yu,Sung-Nien
口試委員:林育德林昭維詹曉龍
口試委員(外文):Lin,Yue-DerLin,Wei-ChaoChan,Hsiao-Lung
口試日期:2012-07-06
學位類別:碩士
校院名稱:國立中正大學
系所名稱:電機工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:62
中文關鍵詞:心電圖ST段心肌缺血小波轉換
外文關鍵詞:ElectrocardiogramST segmentmyocardial ischemiawavelet transform
相關次數:
  • 被引用被引用:0
  • 點閱點閱:451
  • 評分評分:
  • 下載下載:24
  • 收藏至我的研究室書目清單書目收藏:0
本篇論文提出一個利用型態學特徵來辨識正常心搏(Normal beat)與心肌缺血心搏(Myocardial Ischemia beat)的心搏辨識系統。一般來說,心肌缺血都是藉由觀察心電圖波形中ST段(ST segment)的變化,當ST段的下降量超過一定的電壓時,則心肌缺血發生。
本系統所使用的型態學特徵,除了原始心搏波形能擷取到的ST段變化量,其餘的就是將擷取下來的心搏波形經過小波轉換,擷取最能夠明顯反應ST段變化的次頻帶,利用此次頻帶重建訊號並擷取特徵。而實驗的方式有三種,第一種採用混合所有檔案的心搏,使用10-fold cross-validation的方式做驗證。第二種為一筆檔案的心搏當測試資料,剩餘為訓練資料的leave-one-out方式,評估此系統是否能排除個體的差異性。最後一種為判斷持續性心肌缺血的發生,當心肌缺血持續30秒,我們才認為一個心肌缺血事件(Myocardial ischemia episode)成立。
第一種實驗方式的結果,在經過支持向量機(SVM)且為平衡的資料量(balance data),辨識率達96.08%,而第二種實驗方式結果,辨識率仍有92.48%,第三種能判斷出心肌缺血事件的正確率有96.67%。

In this thesis, we propose to use morphological features to differentiate myocardial ischemia beats from normal beats. In general, myocardial ischemia causes alterations in electrocardiographic (ECG) signal such as deviation in the ST segment. When the ST segment deviates more than a certain voltage, the beat would be diagnosing as myocardial ischemia.
Some of the morphological features are extracted from the ST segment of the raw signal and some from the signal which is processed by wavelet transform . The wavelet transform decompose the ECG signal into several subband components, and we select one subband which is sensitive to the most changes in ST segment. There are three schemes to validate our experiment results. The first scheme mixes all file and uses 10-fold cross-validation. The second scheme uses leave-one-out cross-validation to test individual difference of each record. The last one is to detect the Myocardial Ischemia episode directly. If myocardial ischemia continues for 30 seconds, the episode is defined. All of schemes use support vector machine (SVM) classifier.
The result of the first scheme shows on accuracy of 96.15%. The accuracy of the second scheme is 92.48%.The third scheme achieves a detection rate of 96.67% in myocardial ischemic episode detection.

摘要 I
Abstract II
致謝 III
目錄 IV
圖目錄 VI
表目錄 VII
第1章 緒論 1
1.1研究動機 1
1.2相關研究 1
1.2.1利用規則探勘的方法來自動偵測心肌缺血[4] 1
1.2.2使用多重小波分析以及機率神經網路辨別心肌缺血[5] 2
1.3本研究目的 2
1.4論文架構 3
第2章 研究背景 4
2.1心電圖原理 4
2.2 ST段(ST segment) 6
2.3心肌缺血 (Myocardial Ischemia) 7
第3章 研究方法 8
3.1小波轉換理論 8
3.1.1小波轉換多重解析度 9
3.2前處理 10
3.2.1消除ECG基線漂移 10
3.2.2臨界值雜訊去除法 12
3.3 R點偵測 12
3.4特徵擷取 14
3.4.1特徵擷取流程圖 15
3.4.2形態學特徵 16
3.4.3特徵正規化 20
3.5不平衡資料[11] 21
3.6支持向量機[15][16] 22
3.6.1超平面(Support Hyperplane) 23
3.6.2映射函數 25
3.6.3資料不可分割情形 26
3.6.4RBF Kernel參數 28
第4章 實驗結果與討論 29
4.1評估實驗指標 29
4.2資料庫 29
4.3實驗流程 30
4.3.1參考波形 32
4.4實驗方式 33
4.4.1第一種實驗方式 33
4.4.2第二種實驗方式 39
4.4.3第三種實驗方式 44
第5章 結論與未來展望 50
5.1結論 50
5.2未來展望 50
參考文獻 52

[1]呂嘉陞編譯 “心電圖學必備” 合記圖書版社發行
[2]J. F. Scholl, J. R. Agre, L.P. Clare, and M. C. Gill, “Low-power impulse signal classifier using the Haar wavelet transform,” presented at Proc. SPIE, 1999.
[3]S.Zhao ,H.Chao,L.Jingsheng ”An Algorithm of ST Segment Classification and Detection” Automation and Logistics (ICAL), 2010 IEEE International Conference ,pp.559-564, 16-20 Aug. 2010
[4]P. Exarchos,P.Costas,D.I.Fotiadis” An Association Rule Mining-Based Methodology for Automated Detection of Ischemic ECG Beats” IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 53, NO. 8, AUGUST 2006.
[5]K.Shiva, T.Mohammad, A.S.Mahdi ” Probabilistic Neural Network Oriented Classification Methodology for Ischemic Beat Detection Using Multi Resolution Wavelet Analysis” Proceedings of the 17th Iranian Conference of Biomedical Engineering (ICBME2010),pp.1-4 2010.
[6]K. Daskalov, I. A. Dotsinsky, and I. I. Christov, “Developments in ECG acquisition, preprocessing, parameter measurement, and recording,”
IEEE Eng. Med. Biol., vol. 17, no. 2, pp. 50–58, Mar./Apr. 1998.
[7]Z.Donghui” Wavelet Approach for ECG Baseline Wander Correction and Noise Reduction” Engineering in Medicine and Biology 27th Annual Conference Shanghai, China , pp. 1212 - 1215 ,2005.
[8]David L. Donoho” De-noising by soft-thresholding” IEEE TRANSACTIONS ON INFORMATION THEORY, VOL. 41, NO. 3, MAY 1995
[9]楊正榮, ”以小波轉換為基礎的QRS波偵測方法”中山大學機械與機電工程研究所,93年
[10]Z.Dabanloo, “Detection of QRS complexes in the ECG signal using multiresolution wavelet and thresholding method” Computing in Cardiology, pp.805 – 808, 2011.
[11]林松江,”利用後設學習及迴歸模式處理不平衡資料之分類問題”國立台灣科技大學資訊管理系,98年
[12]N. Chawla, K. Bowyer, L. Hall, and W. Kegelmeyer, (2002), “Smote: Synthetic Minority Over Sampling Technique,” J. Artificial Intelligent Res, vol. 16, pp. 321-357.
[13]C. G. Weng, and J. Poon, (2006), “A Data Complexity Analysis on Imbalanced Datasets and an Alternative Imbalance Recovering Strategy,” International Conference on IEEE/WIC/ACM, pp.270-276.
[14]V.Vapnik, A.Lerner, “Pattern Recognition using Generalized Portrait Method”, Automation and Remote Control, vol.24, 1963.
[15]林宗勳。Support Vector Machines簡介。取自:
http://www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/SVM2.pdf.
[16]C.C. Chang and C.J. Lin. LIBSVM: a library for support vector machines, 2001.Software available at http://www. csie. ntu. edu. tw/cjlin/libsvm, 2001.
[17]Rangaraj M. Rangayyan, “Measures of Diagnostic Accuracy and Cost,” In: “Biomedical Signal Analysis:A Case-Study Approach,” Wiley, 2002, pp. 466-472.
[18]European Society of Cardiology (ESC) ST-T Database: http://physionet.org/physiobank/database/edb/
[19]盧韋伸,“以心電圖作為個人身份辨識的研究” 中正大學電機所,97年
[20]M. Mohebbi, H.A. Moghadam,“An Algorithm for Automated Detection of Ischemic ECG Beats Using Support Vector Machines” Signal Processing and Communications Applications, pp.1-4,2007.
[21]A.Gharaviri ,M.Teshnehlab, H. A.Moghaddam,
“Ischemia detection via ECG using ANFIS”Engineering in Medicine and Biology Society, 2008. EMBS 2008,pp.1163 – 1166.
[22]S.C.Bulusu, M.Faezipour, Ng, V.M.Nourani, L.S.Tamil, S.Banerjee,” Transient ST-segment episode detection for ECG beat classification ” Life Science Systems and Applications Workshop (LiSSA),pp. 121 – 124,2011.
[23]J.Vila; F.Palacios, J.Presedo, M.Fernandez-Delgado, P.Felix,S.Barro“Heart Rate Variability Patterns in Ischemic Episodes” Coniputers in Cardiology,Vo1 24,pp.371-374,1997
[24]H.Haibo, E.A.Garcia” Learning from Imbalanced Data” IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, VOL. 21,pp. 1263 – 1284, 2009.
[25]運動猝死的預防(運動神網)

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊