监护环境下基于盲源提取的房颤信号提取方法研究

单个房颤信号的提取，是房颤临床监护走向实用的一个重要前提。最近，人们提出了用盲源提取算法直接从体表12导联心电图中提取单个房颤信号的方法。然而在实时监护条件下，监护仪器的导联数目大都比较少（一或三个）或者采集到的数据常常被噪声干扰。目前还没有在噪声模型下从房颤病人12导联心电图中提取房颤信号的研究，也没有针对较少导联（一或三导联）的房颤信号进行提取的研究。现有文献中的研究基本建立在无噪模型基础上，对房颤病人的12导联或1导联心电信号进行分离。在本项目中，对于噪声干扰，我们将利用微弱信号检测技术或房颤心电图的其它特征（如：R-R间距不齐）来辅助判断；对于较少导联数据的低维数据，我们将从非线性和非平稳两个角度对低维数据进行扩展，进而结合噪声的影响来研究房颤信号的盲提取。最后形成在房颤病人的监护中具有实际应用价值的房颤信号盲提取方法及其数字化模块。

房颤，心血管疾病之一，是在临床上最常见的心律失常病症。房颤的临床监护特别是无线监控，在现代医学中越来越重要的。在本项目中，我们专注于研究如何从12道联，3道联和1道联心心电图中提取房颤信号。与传统的方法相比，我们首先用盲源提取而不是盲源分离对房颤信号的提取进行建模。其中，12导联心电图的可以视为的房颤信号，心室活动和其他噪声的线性混合模型。 3导联心电图和1导联心电图可以视为的房颤信号，心室活动和其他噪声的非线性混合模型。其次，我们提出一个基于协均方误差的盲源提取算法，并在理论上证明了该算法可以从线性的混合物中提取所需信号。第三，我们应用该算法进行房颤信号的提取，相关实验表明了其有效性。最后，我们设计了一个智能的房颤信号无线监控系统，该系统在房颤病人的家庭监控中有很大的应用潜力。