导读:本文包含了房颤终止预测论文开题报告文献综述及选题提纲参考文献，主要关键词:RR间期,心率变异性,RdR散点图,阵发性房颤
房颤终止预测论文文献综述
陆宏伟,章琛曦,孙迎,郝治东,王春芳[1]（2015）在《基于RdR新型散点图预测阵发性房颤终止的初步研究》一文中研究指出预测阵发性房颤是否终止可决定是否有必要对房颤进行干预。提出RdR新型散点图,RdR散点图横坐标为RR间期,纵坐标为相邻RR间期之差,同时包含RR间期及RR间期变化的信息,可捕捉更多心率变异性(HRV)信息。分析50段非终止房颤与立即终止房颤1min RR间期RdR散点图,发现非终止房颤RdR散点图中的点比立即终止房颤更为分散。将RdR散点图网格化并计算非空网格数目作为特征参数以区分非终止房颤与立即终止房颤。取49个RR间期时,对于20段学习集可准确区分17段,30段测试集可区分20段。取66个RR间期时,对于18段学习集可区分16段,28段测试集可区分20段。结果表明,阵发性房颤在终止前1min内,RR间期及相邻RR间期之差变化幅度减小,利用RdR散点图可预测阵发性房颤是否终止,但预测准确率有待进一步提高。(本文来源于《生物医学工程学杂志》期刊2015年04期）
孙荣荣,汪源源[2]（2009）在《基于RR间期差符号序列预测房颤终止》一文中研究指出提出了基于RR间期差符号序列预测房颤自发终止的方法。先由房颤信号的RR间期序列求得RR间期差序列,基于阈值将RR间期差转换为符号序列。将符号序列的复杂度和子串长度概率分布的香农熵作为房颤信号特征,采用模糊支持向量机来预测房颤终止,其中模糊隶属度是在特征空间中计算的并可由核函数表示。通过由Holter心电信号组成的房颤数据库来评价本方法预测房颤终止的准确率,数据库包括一个训练集和两个测试集(A和B)。实验结果表明本方法可正确预测100%的测试集A和95%的测试集B,具有通过Holter心电信号预测房颤自发终止的能力。(本文来源于《仪器仪表学报》期刊2009年07期）
孙荣荣[3]（2009）在《房性心律失常识别和房颤自发终止预测研究》一文中研究指出心电信号是心脏兴奋的发生、传播和恢复过程的客观指标。通过分析心电信号自动区分不同类别的心律失常，对自动除颤器等治疗心律失常的设备至关重要。但是目前的大多数方法只提取单个特征参数，识别的错误率较高。而基于多参数的方法虽然其识别准确率有所提高，但由于往往只提取心电信号某一方面的特征信息，识别准确率的提高仍然十分有限。另一方面，在房性心律失常中，房颤是临床上最常见的心脏紊乱，它将加大病人中风和血栓的风险。预测房颤有可能自发终止或持续，不仅可以更好地了解房颤发作终止的机制，还可以避免不必要的治疗和更加有效地治疗持续房颤。但是目前预测房颤终止较成功的方法基本都是仅从频域的角度提取房颤信号的特征，预测准确率不高。本论文主要研究了心电信号处理新方法及其在房性心律失常识别和预测房颤自发终止方面的应用，抓住特征提取和模式识别这两个心电信号分析中的关键问题，以提高房性心律失常识别和房颤自发终止预测的准确率为目标，重点研究了以下几个方面的问题：1、在时间域、频率域和时频域叁个方面提取心电信号及其RR间期的线性特征参数的基础上，用替代数据法证明了房性心律失常心电信号及其RR间期时间序列具有非线性，并重点从符号动力学、相空间、庞加莱图和递归图等非线性角度提取能反映心电信号特征的参数：1)、采用符号动力学研究心电信号特征时，先将心电信号符号化为符号串，然后对符号串序列编码得到符号码，取符号码的发生概率来描述心电信号的确定性结构。采用符号动力学研究RR间期差序列特征时，先对RR间期差二值符号化，由于其符号的改变反映了RR间期序列的局部极大或极小点，因此提取RR间期差符号序列的子串长度概率分布熵来反映RR间期变化的不规则程度，以更好地揭示心脏的动力学特性；2)、通过重构心电信号相空间，分别从几何和信息论的角度提取相空间点的密度分布熵作为特征，不仅减少了特征向量的冗余信息，而且大大减少了下一步模式识别的计算量；3)、通过构建心电信号的庞加莱图，从几何和计算机视觉的角度提取能反映庞加莱图特性的参数，加深了对房颤期间心率变化的生理理解；4)、研究定量递归分析技术量化心电信号递归图，指出房颤信号递归图特征能反映房颤时心房活动的动力学复杂特性，含有能区分不同终止类型房颤的信息。2、从模糊支持向量机、模糊分类器、基于神经网络的融合分类器和基于灰关联度的k近邻法研究心电信号的模式识别：1)、为抑制噪声对分类器的影响，在支持向量机中引入模糊概念，在特征空间中对训练样本赋予不同的隶属度，更好地表示每个点对特征空间中决策面构造的贡献，提高了支持向量机的分类性能；2)、采用模糊分类器，最终输出结果用隶属度函数来表示观察对象属于特定类别的程度，避免了整个模式识别系统非此即彼的判别模式，结果更符合人类的思维习惯；3)、研究了将心电信号不同特征信息融合分类的方法，提出基于神经网络的多分类器融合方法，充分发挥单个分类器的长处并抑制其短处，性能与单个分类器相比有较大提高；4)、根据心电信号既含有确定信息又包含不确定信息、符合灰色系统研究对象的特点，提出基于灰关联度的k近邻法，分类性能明显高于常规k近邻法。3、用两个心电数据库来研究论文提出的房性心律失常识别方法的性能，一个为MIT-BIH心律失常数据库，另一个为犬心外膜信号数据库。提取房性心律失常心电信号的时域、频域、时频域、相空间和符号动力学特征，基于这些特征分别建立模糊分类器和神经网络融合模糊分类器进行心律失常的识别，结果表明：非线性特征比线性特征含有更能反映及区分房性心律失常的特征，而神经网络融合分类器的方法能对单个分类器扬长避短，性能有提高。其识别MIT数据库中窦性、房颤和房扑信号的准确率分别为98％，99．3％和97．3％；识别犬数据库中窦性、房颤和房扑信号的准确率分别为98．3％，98．3％和99．3％。与已有算法相比，论文提出的算法通用性强，对不同类型数据库中心电信号识别均具有较高的正确率，有望用于治疗心律失常的自动装置。4、用PhysioNet提供的房颤数据库来评价论文提出房颤自发终止预测算法的性能。提取房颤信号RR间期时域统计特征和庞加莱图特征作为一组特征，递归图特征作为另一组特征，基于这两组特征分别用模糊支持向量机和灰关联度k近邻法预测房颤的自发终止，结果表明：这两组特征预测房颤终止均具有较高的性能，但总体比较，基于递归图的特征略胜一筹，说明递归图携带了更多能区分不同终止类型房颤的信息。将模糊支持向量机、基于灰关联度的k近邻法分别与传统支持向量机、传统k近邻法相比，它们预测房颤自发终止的性能均有大幅提高。而模糊支持向量机比基于关联度k近邻法预测房颤终止的性能更好，因此最终选择了基于递归图特征的模糊支持向量机方法来预测房颤自发终止。其对训练集和测试集中不终止和立即终止房颤、马上终止和立即终止房颤的预测准确率均达到了100％；对训练集中不终止和马上终止房颤的预测准确率达到100％；对测试集中的不终止和马上终止房颤的预测准确率为96．2％。与已有方法相比，其性能有了较大的提高，可以较准确地预测房颤的自发终止。(本文来源于《复旦大学》期刊2009-03-25）
孙荣荣,汪源源[4]（2008）在《基于RR间期的非线性特征预测房颤终止》一文中研究指出识别和描述房颤有可能自发终止或持续,不仅可以更好地了解心律不齐终止的机制,还可以更有效地治疗持续房颤。本研究从两种非线性分析的角度提取房颤信号RR间期的特征,并预测房颤是否能自发终止。一是计算心电信号RR间期序列的Lempel-Ziv复杂度,二是基于符号动力学将RR间期序列转换成符号串,对符号串编码得到符号码,计算各符号码的发生概率,取符号码110的发生概率和符号码发生概率的香农熵作为RR间期序列的特征参数。基于从RR间期提取的上述叁个非线性参数,建立模糊分类器来预测房颤是否能终止。实验研究了一个由Holter心电信号组成的房颤数据库,它包括一个训练集和两个测试集(A和B)。结果表明:本方法可正确分类90%的测试集A和80%的测试集B,和以前方法相比,预测房颤终止的准确率提高了约10%。可见,本方法对Holter心电信号预测房颤的自发终止是有效的。(本文来源于《中国生物医学工程学报》期刊2008年02期）
孙荣荣,汪源源[5]（2007）在《基于相空间形状分析预测房颤终止》一文中研究指出识别和描述房颤有可能自发终止还是持续,不仅可以更好地了解心律不齐发作和终止的机制,还可以更有效地治疗持续房颤。本文从非线性角度提取房颤信号特征并预测其能否自发终止。先重建心电信号的相空间,获取相空间中指定庞加莱截面上的点,然后基于形状分析提取刻画庞加莱面上相似点对相对数量的参数ρ,最后基于ρ来分类非终止房颤和可终止房颤。实验研究了一个由Holter心电信号组成的包括训练集和测试集的房颤数据库,结果表明:本文提出的特征参数ρ可正确分类90%的测试集。可见,该方法能从Holter心电信号有效地预测房颤的自发终止。(本文来源于《生命科学仪器》期刊2007年09期）
黄忠朝,陈真诚,赵于前[6]（2007）在《基于支持向量机的阵发性房颤自动终止预测研究》一文中研究指出基于以前的工作,本文用支持向量机构建了一分类器,以区分阵发性房颤和维持型房颤,从而实现了一种对房颤自发终止进行分类预测研究的计算机自动识别方法。通过对Physionet／CinC 2004挑战数据库的测试结果表明,本文方法获得了很高的分类准确率,说明了该方法的可靠性和所提取特征的有效性,从而也间接证明了我们以前的工作成果。(本文来源于《中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）》期刊2007-04-01）
房颤终止预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了基于RR间期差符号序列预测房颤自发终止的方法。先由房颤信号的RR间期序列求得RR间期差序列,基于阈值将RR间期差转换为符号序列。将符号序列的复杂度和子串长度概率分布的香农熵作为房颤信号特征,采用模糊支持向量机来预测房颤终止,其中模糊隶属度是在特征空间中计算的并可由核函数表示。通过由Holter心电信号组成的房颤数据库来评价本方法预测房颤终止的准确率,数据库包括一个训练集和两个测试集(A和B)。实验结果表明本方法可正确预测100%的测试集A和95%的测试集B,具有通过Holter心电信号预测房颤自发终止的能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
房颤终止预测论文参考文献
[1].陆宏伟,章琛曦,孙迎,郝治东,王春芳.基于RdR新型散点图预测阵发性房颤终止的初步研究[J].生物医学工程学杂志.2015
[2].孙荣荣,汪源源.基于RR间期差符号序列预测房颤终止[J].仪器仪表学报.2009
[3].孙荣荣.房性心律失常识别和房颤自发终止预测研究[D].复旦大学.2009
[4].孙荣荣,汪源源.基于RR间期的非线性特征预测房颤终止[J].中国生物医学工程学报.2008
[5].孙荣荣,汪源源.基于相空间形状分析预测房颤终止[J].生命科学仪器.2007
[6].黄忠朝,陈真诚,赵于前.基于支持向量机的阵发性房颤自动终止预测研究[C].中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）.2007