心电信号J波提取理论与关键技术研究

The J wave is a variation of normal ECG , when it becomes wider and higher, which can predict ventricular tachycardia, ventricular fibrillation, and may cause fatal malignant arrhythmia and lead to sudden death, so the realization of J wave high risk has important clinical significance. At present, the classification of optimum and high risk of J wave is mostly in clinical stage, only a handful of researchers have devoted themselves to research on the electrocardiogram, they did not find the accurate characteristic index in distinguishing optimum and high risk of J wave, which makes the doctor unable to judge the state of J wave intuitively. Blind source separation (BSS)in biological signal processing have more deeper research, which is widely used in atrial fibrillation signal, ventricular late potential signal extraction, but it has not been reported that BSS is applied in J wave extraction. The project is to extract J wave combined with BSS by using cycle stability and sparse of ECG signal with J wave, and to analyze J wave from the time domain, frequency domain and time-frequency domain. Finally the common characteristics of optimum and high-risk state in ECG signal acquired from observation groups separately are determined, so as that the index is found to distinguish optimum and high-risk state, the complexity is overcame in clinical detection method, and the content of research on signal processing is enriched, which has important theory significance and practical value.

J波是一种正常的心电图变异，但当J波增宽、增高,可预示室速、室颤的发生，并会引起致命性的恶性心律失常，还可导致猝死，因此实现J波高危状态的辨别具有重要的临床意义。目前，J波良性与高危状态的分类大多处于临床阶段，只有极少数研究者从心电图方面对其进行研究，还没有找到准确区别J波良性与高危状态的特征指标，使得医生无法对J波的状态进行直观的评判。 盲源分离在生物电信号处理方面有较为深入的研究，广泛应用于房颤信号、心室晚电位信号等的提取，而应用于J波的提取尚未见报道。本项目利用带J波的心电信号满足循环平稳性及稀疏性，结合盲源分离提取J波，并对其进行时域、频域以及时频域的分析，确定观测人群心电信号的良性与高危状态各自的共同点，从而找出区分良性与高危状态的特征指标，克服临床检测方法的复杂性，丰富了信号处理的研究内容，具有重要的理论意义和实用价值。

心电图（Electrocardiogram，ECG）在临床上可以作为判定某些心脏病的一种非创性的标记手段。J波是一种正常心电图的变异，其产生与心脏的病变程度存在着某种特定的内在联系，J波的出现预示着恶性心律失常、心肌梗塞、心脏性猝死等一系列心血管疾病极有可能发生。在心电图中，J波往往出现在ST段，具有随机性，不易察觉。临床上医生通过纸质心电图对J波进行诊断，仅凭借主观经验进行分析，往往会导致漏诊、误诊等情况的发生。目前有关J波的研究大都从细胞电生理、离子流机制和遗传学基础等方面出发，近几年极少数学者从信号处理角度对其进行分析，但J波诊断模型准确率有待提升，并且算法尚未提出区别J波良性与高危状态的指标。本课题借用计算机辅助诊断模型，从多角度对心电信号中出现的J波进行全面分析，从而为J波相关疾病的预防、治疗提供一定的诊断依据，并提出区别J波良性与高危状态的统一指标。本项目首先对含J波心电信号进行制备，将从医院获取含J波的纸质心电图，通过数字化处理，构建含J波的心电信号数据库。其次，对J波进行提取并对其进行多角度分析，利用含J波心电信号满足循环平稳性及稀疏性的特性，结合盲源分离提取出J波，并利用信号处理方法对J波信号和正常信号进行时域、频域以及时频域的分析，深入挖掘出信号背后所隐藏的信息，从而提取出正常心电信号与含J波心电信号的特征，并构建特征空间。第三，利用机器学习对J波的分类方法进行了研究，经过多种机器学习技术对比，实现了J波的有效分类，并且检验了特征空间的有效性，为J波诊断标准的提出奠定了基础。最后，提出区分良性J波和恶性J波的特征指标，根据统计检验进行特征选择，结合方差分析法，确定区分指标，克服了临床检测方法的主观性与复杂性。此外，在完成既定任务的基础上，本项目还借助并行编程模型MapReduce平台，对海量心电信号进行了分析，实现了J波的高效检测。本项目提出的J波诊断标准，具有较高的准确率，能够对J波的临床诊断进行指导。