一、不同程度冠脉狭窄对心电及R-R间期序列Lyapunov指数的影响（论文文献综述）
姚连珂[1]（2021）在《冠心病心室复极变异性分析及其辅助诊断研究》文中提出冠心病严重威胁我国居民健康,给家庭和社会带来沉重负担。如何在患病前控制冠心病的发生,如何在患病后降低冠心病的危害,已成为亟需认真研究解决的重大课题。心电图检查是冠心病临床诊断最基本和最常用的无创性方法。由于心肌缺血可造成心室复极异常和心室肌跨壁复极离散度升高,反映心室复极变化的心电学标志物受到普遍关注,具有代表性的包括QT间期变异性（QTV）、TpTe间期变异性（TpTeV）、校正QT间期、TpTe/QT比值。本文将以上四类标志物称为心室复极化指标;将QTV和TpTeV称为心室复极变异性指标,分别表示心室复极时程和跨室壁复极离散度的逐搏变化。在诸多变异性分析方法中,虽然基于符号动力学的排列熵应用广泛,但存在三点不足。尽管学者们相继提出了多种改进算法,然而这些算法只针对某一点或两点不足进行改进,缺乏综合改进方案。现有冠心病心室复极变异性研究主要关注健康个体与无心梗冠心病或心梗患者之间,缺乏对于无心梗冠心病与心梗患者之间的心室复极变异性分析。对于健康个体与无心梗冠心病或心梗患者之间的心室复极变异性研究也存在较多空白。另外,虽然许多临床研究已证实上述心室复极化指标和反映心室复极过程的心电图ST-T段形态异常（如T波倒置、ST段抬高或压低）与心肌缺血或梗死之间的联系以及在冠心病危险分层和指导预后中的作用,但它们在辅助基于静息心电图的冠心病自动诊断方面的效果尚未明确。本文围绕以上三方面问题展开,以心室复极变异性研究为核心,提出了排列熵综合改进算法,系统分析了上述心室复极化指标在健康人群、无心梗冠心病和心梗患者之间的变化、心室复极变异性指标与校正QT间期和TpTe/QT比值的关系、性别和冠状动脉狭窄程度对上述心室复极化指标的影响,评估了心室复极化指标和ST-T段形态特征在辅助基于静息心电图的冠心病自动诊断方面的效果。主要工作及创新点总结如下。（1）提出了排列熵综合改进算法——边沿散布熵,并引入多尺度理念,将边沿散布熵扩展为多尺度边沿散布熵。边沿散布熵是在边沿排列熵基础上结合散布熵理念发展而来的。边沿散布熵不仅考虑到了元素幅值信息和序列整体波动情况,还消除了幅值相等元素的影响。本文研究表明,在不同参数取值情况下,边沿散布熵和多尺度边沿散布熵可分别有效衡量序列不规则度和复杂度;边沿散布熵的辨识能力较排列熵和边沿排列熵都有较大幅度的提升;在低维度高类别数情况下,边沿散布熵的辨识性能较散布熵也有所提高。（2）系统分析了心室复极变异性在健康个体、无心梗冠心病与心梗患者之间的变化,以及它们与心率变异性、性别、冠状动脉狭窄程度的关系。本文研究表明,心肌缺血与TpTeV升高存在一定联系;与心肌缺血相比,心梗可使QTV进一步升高,这与心梗后左室重构有关;单纯的心肌缺血并不能显着影响QT-RR耦合性,而心梗可使QT-RR耦合程度显着降低;QTV和TpTeV时域和频域指标表征心肌缺血和梗死的能力较非线性指标更强,作为风险评估因子的效果也更好;在不同人群中,QTV和TpTeV与校正QT间期和TpTe/QT比值的相关性不同;女性校正QT间期和TpTe/QT比值均比男性显着升高,而其他心室复极化指标均无显着性别差异;冠状动脉狭窄程度与以上心室复极化指标的相关性较小。（3）分别设计了基于心室复极化指标以及融合其与ST-T段波形特征的冠心病自动诊断系统,证实了心室复极化指标和ST-T段波形特征均可有效提升冠心病自动诊断精度。基于特征融合的系统取得了 96.16%、95.75%和96.40%的准确性、敏感性和特异性,明显优于单独使用心率变异性特征、心室复极化指标特征或ST-T段波形特征的分类效果。本文填补了冠心病患者心室复极变异性研究部分空白,不仅为心室复极变异性研究的临床应用提供了更多客观依据和有力技术支持,还为基于静息心电图的冠心病自动诊断研究提供了新思路。
蔡凡凡[2]（2021）在《FORCE CT冠状动脉、左心房肺静脉一站式成像在房颤患者冠心病诊断的应用》文中进行了进一步梳理第一部分FORCE CT回顾性心电门控绝对时相评价冠状动脉、左心房肺静脉一站式成像的图像质量及辐射剂量目的:心房纤颤是成人最常见的持续性心律失常。受世界人口老龄化、高血压、心力衰竭、肥胖、及睡眠障碍等风险因素的影响,房颤的发病率和流行率持续上升。而心房纤颤由于心率不规整,曾经是冠状动脉CT血管成像（coronary CT angiography,CCTA）的禁忌症。本研究将探讨Force CT回顾性心电门控绝对时相在房颤患者冠状动脉及左心房肺静脉一站式成像图像的质量及辐射剂量。材料与方法:2019年3月至2020年11月连续入组心房纤颤患者40例,利用Force CT回顾性心电门控绝对时相扫描行CCTA检查,在患者心动周期R波后200～400ms全剂量曝光。计算患者对比剂用量。用5分法评价患者冠状动脉主观图像质量,用3分法评价患者左心房及肺静脉主观图像质量;以信噪比（signal-to-noise,SNR）、对比噪声比（contrast-to-noise ratio,CNR）分别评价冠状动脉、左心房及肺静脉的客观图像质量。记录容积剂量指数（CT dose index volume,CTDIvol）和剂量长度乘积（dose length product,DLP）,计算有效辐射剂量（effective dose,ED）。结果:对比剂用量为（30-55）mL,平均用量44.29mL。两位阅片者冠状动脉主观评分一致性检验Kappa值为93.8%,一致性较好。40例心房纤颤患者冠状动脉图像质量评分为右冠状动脉（right coronary artery,RCA）（4.35±0.52）、左主干（left main artery,LMA）（4.28±0.45）、左前降支（left anterior desceding,LAD）（4.12±0.52）、左回旋支（leftcircumflex,LCX）（3.89±0.60）,RCA、LMA、LAD、LCX图像质量评分依次下降;40例患者共507个血管段,RCA、LMA、LAD、LCX总显示的血管段数分别为153、40、173、141段,可评价率均为100%。左心房、肺静脉图像主观评分一致性检验Kappa值为79.5%,一致性较好;评分为3分有26例患者,评分为2分有12例患者,评分为1分有2例患者。冠状动脉 SNR 为（24.75±4.98）、CNR 为（30.10±6.20）。左心房 SNR 为（18.83±4.82）,CNR 为（24.06±5.53）;肺静脉 SNR 为（16.15±4.33）,CNR 为（20.91±4.9）。CTDIvol为（38.01±14.34）mGy,DLP 为（603.14±278.10）mGy.cm,ED为（8.60±3.65）mSv。结论:Force CT回顾性心电门控绝对时相在心房纤颤患者冠状动脉,左心房和肺静脉一站式成像时可获得满足诊断的图像,且辐射剂量在可接受范围内。第二部分Force CT一站式成像对房颤患者冠状动脉、左心房肺静脉的诊断价值目的:房颤发病率及死亡率很高,其特点是心房快速不协调的运动。异常兴奋灶常在肺静脉中发现,这些触发源于房室肌在肺静脉水平的延长,即在左心房与肺静脉交界处有复杂的纤维排列。射频消融,该方法可隔离肺静脉,是药物难治性房颤的主要治疗方式。即使有丰富的消融经验,术前了解左心房解剖和肺静脉解剖也是必要的。我们可以通过多种成像途径获得左心房和肺静脉图像,包括经食管超声心动图、心内超声心动图、血管造影、多层螺旋CT、三维钆对比剂增强磁共振扫描。多层螺旋CT是最主要的方法之一。本研究利用Force CT冠状动脉图像,研究房颤患者冠状动脉病变同时评价左心房及肺静脉解剖情况,评估房颤患者冠状动脉病变严重程度及左心房和肺静脉解剖、形态,为房颤患者术前评估冠心病的程度、了解左心房肺静脉的结构、确定选择何种手术方式以及术后疗效随访提供参考资料。材料与方法:收集2019年3月至2020年11月40例确诊为心房纤颤的患者利用Force CT行冠状动脉成像,利用冠状动脉图像评估冠状动脉病变程度同时分析肺静脉形态、发育变异,测量肺静脉前后径、上下径、平均直径和口指数值;测量左心房径线。结果:40例患者冠状动脉粥样硬化血管病变,26支血管轻微狭窄,26支血管轻度狭窄,10支血管中度狭窄,9支血管重度狭窄、闭塞。40例患者,标准四支肺静脉的35例（构成比87.5%）;右中类型4例（构成比10%）;左共干1例（构成比2.5%）。上肺静脉开口径线大于下肺静脉,右肺静脉开口径线大于左肺静脉,肺静脉共干开口部径线最大;右肺中静脉开口部径线最小。从肺静脉开口部指数来看,右侧肺静脉形态较左侧肺静脉更圆,其中RMPV形态最圆（1.00±0.15）,LIPV形态最卵圆（0.86±0.14）。左心房横径最大,为（73.38±15.26）mm;上下径次之,为（72.76±11.70）mm;前后径最小,为（47.45±10.63）mm。结论:利用Force CT冠状动脉图像,评估房颤患者冠状动脉病变同时评价左心房及肺静脉解剖情况,可为房颤患者术前评估冠心病程度、了解左心房肺静脉的结构和手术方式的选择以及术后疗效随访提供参考资料,具有极大的临床价值。
孙庆华,王磊,王聪,王乾,吴伟明,赵媛媛,王喜萍,董潇男,周彬,唐闽[3]（2020）在《基于确定学习及心电动力学图的心肌缺血早期检测研究》文中提出心肌缺血早期检测是心血管疾病领域重要且困难的问题.本文采用心电动力学图（Cardiodynamicsgram,CDG）开展心电图正常及大致正常时的心肌缺血早期检测研究. 1)在分析已有基于心电图的心肌缺血检测方法所取得的进展及不足基础上,构建一个既有心电图发生缺血性改变、又有心电图正常及大致正常、且包括经冠脉造影检验为冠脉阻塞性病变和非阻塞性病变的较大规模心肌缺血数据集. 2)针对上述数据集中393例心电图正常及大致正常患者,利用确定学习生成每份心电图的心电动力学图,提取对心肌缺血和非缺血具有显着区分能力的心电动力学特征.并以冠脉狭窄50%为缺血标准,采用机器学习算法构建心肌缺血检测模型. 3)针对上述试验中假阳性病例,利用由确定学习生成的具有明确物理意义的心电动力学图进行逐例分析,发现其中许多假阳性存在慢血流现象（即冠脉非阻塞性病变）.对这些慢血流病例重新进行缺血标注,以改善心肌缺血数据集标注精度.通过上述三个步骤构建了更为准确的心肌缺血检测模型,其缺血检测结果:灵敏度90.1%、特异度85.2%、准确率89.0%和受试者工作特征曲线（Receiver operating characteristic curve, ROC）下面积（Area under curve, AUC） 0.93.综上,本文所构建的较大规模心肌缺血数据集可为心肌缺血检测研究和临床研究提供重要的数据基础;且构建的心肌缺血检测模型对心电图正常及大致正常患者具有较强的缺血检测能力;特别是,由确定学习生成的心电动力学图具有较好的可解释性,有助于发现缺血数据标注的偏差和模型的错误,提高心肌缺血检测准确率.
李泽禹[4]（2020）在《双阶段动态心功能评估方法研究》文中认为目前动态心功能的研究焦点只关注于心脏负荷阶段的心功能检测,而心脏恢复阶段的检测与判断也可以反映心功能的状态。在心率恢复过程中,心电图的变化也能反映出心血管的状态,因此,心脏恢复与负荷阶段的相关性也具有相当的研究价值。在这个关系中,动态、实时的心电图检测面临着许多的难点:其中包括心电图轻量级的波形检测,两阶段的心功能相关性参数的设计和参数的可靠性判断等。本课题通过挖掘心电图参数,研究运动过程和恢复过程中各参数的变化情况,找出运动过程和恢复过程两个阶段的联系。主要工作如下:1、心电信号R波实时监测的算法研究。运动过程中采集的心电图噪声大,计算机心电图处理模块的开销要求较高。本文针对运动阶段采集和处理心电图所面临的的困难,提出了通过去噪,基线处理,使用基于改进的轻量级自适应MMT的R波检测算法,对运动心电信号进行实时的心电检测和处理。该算法在运动试验中R波的准确率达到了99.98%,在MIT-BIH心率失常数据库的检测中的灵敏度和正预测值达到了99.70%和99.93%,具有较高的检测能力,其检测结果满足后续的研究。2、心率变异性相关参数在双阶段的相关性分析。心率变异性参数反映了神经对心血管的调控能力,本文采用心率变异性的r MSSD、p NN50等参数评估运动、恢复两期相关性。在10位被试者的共50组心电数据中,使用Pearson相关性分析单组因素在运动和恢复过程中的关系,发现部分参数间具有较高的相关性;使用典型相关分析,将典型相关系数对参数降维,通过线性拟合分析其规律,发现优化后其线性相关最高具有99%的置信水平。3、心电特征值相关参数在双阶段的相关性分析。心电特征值参数反映了心脏的基本状况,本文采用了心电特征值的QRS波长度、QRS波面积,相邻T波幅值之差等参数评估运动、恢复两期相关性。在10位被试者的共50组心电数据中,通过Pearson相关性检测来探究单组因素内的相关性,发现单组因素在运动和恢复过程中各个参数都具有很强的相关性。使用典型相关性分析,将典型相关系数对参数降维,通过线性拟合分析其规律,发现优化后其线性相关具有99%的置信水平。本课题依据实验数据反映的生理信息,研究了心脏的运动阶段和恢复阶段在心电图中表现出来的关系,其中R波检测算法定位精准,为后续的研究提供了保证;而在心率变异性参数和心电特征值参数对比中发现,心电特征值相关参数具有更好的能力展现人体在运动和恢复过程中的相关性。这个方法对于运动阶段的心功能和恢复阶段的心功能的关系提供了一套评价体系,在无创心功能检测中具有较好的应用前景。
李晗[5]（2020）在《基于双模态信号集成深度学习的冠心病检测研究》文中研究说明冠心病是由冠状动脉粥样硬化引起的一种心血管系统疾病。在冠心病发展到不可遏制的阶段之前,通过方便有效且无创无损的技术手段实现精准检测,便于疾病早期干预和防治,是当前智能医学领域面临的重大挑战。心电和心音信号蕴含与心脏健康状态相关的丰富信息,基于这两种信号的分析方法为冠心病早期无创无损检测提供了可能,因而受到研究者的广泛关注。但现有基于人工智能的研究仅对单模态信号进行分析,未能利用双模态信号之间的互补关系。此外,现有研究仅使用传统特征或深度学习特征,很少有研究将多类型特征结合使用。本文使用临床同步采集的冠心病心电和心音数据,研究了单模态心电和心音信号在冠心病检测中的效果,在此基础上,基于双模态信号联合分析提出了集成深度学习方法,旨在探索双模态信号多类型特征联合使用在冠心病早期无创无损检测中的应用价值。本文的主要工作和创新点如下:（1）基于单模态心电和心音信号,对传统方法和深度学习分类效果进行了系统比较,针对现有冠心病检测研究中仅使用传统方法或深度学习的现状,提出了特征融合架构,从信号中挖掘更多与冠心病相关的信息。基于传统方法提出了集成学习模型,以提取的多域心电特征为输入,深度学习模型以心电连续小波变换图像为输入。结果显示,集成学习和深度学习在心电分类中分别取得了 90.26%和90.13%的准确性,分类效果基本保持在同一水平。基于心音传统特征和深度学习特征,提出了一种特征融合架构,以提取的多域心音特征和心音梅尔频率倒谱系数图像为输入。结果表明,融合特征在心音分类中取得了 90.43%的准确性,优于仅使用传统特征或深度学习特征的效果。（2）基于同步采集的心电和心音信号,提出了双输入神经网络架构,既能够实现双模态信号联合分析,又能够将传统方法与深度学习集成起来,为临床冠心病检测提供了新思路。提取的多域心电和心音特征经特征选择后与心电心音信号一并输入到由全连接和深度学习模型构成的双输入神经网络中。结果表明,双输入神经网络的分类准确性、敏感性和特异性分别为95.62%、98.48%和89.17%,优于单模态信号的分类效果,同时也优于仅使用传统方法或深度学习时的效果。与现有研究比较表明,该方法在在临床冠心病无创无损检测中具有非常好的应用前景。（3）基于心电和心音信号联合分析,提出了多输入卷积神经网络架构,实现了双模态信号多域深度学习特征的自动提取和集成,克服了传统方法特征点检测不够准确和依赖基于专家知识的特征工程的缺陷。目前,用于心电或心音分类的深度学习方法通常以信号或时频图像作为输入,侧重于提取单域特征。本研究提出了一种多输入卷积神经网络架构,由一维和二维卷积神经网络组成,以心电和心音的信号、频谱图像和时频图像作为输入,实现了心电心音时域、频域和时频域深度学习特征的自动提取和集成。结果表明,多输入卷积神经网络显着提高了冠心病检测精度,取得的分类准确性、敏感性和特异性分别为96.51%、99.37%和90.08%,优于提出的双输入神经网络的效果。与现有研究比较表明,该方法能够利用深度学习的优势有效捕捉信号中的潜在信息,为冠心病无创无损检测提供更加全面和可靠的诊断依据。
吴伟明[6]（2020）在《基于采样数据的确定学习及应用》文中研究说明近年来,动态或者非平稳环境机器学习问题成为当前人工智能热点前沿热点。这里的“动态”主要指其环境随时间的动态变化,如工程、生物、医学、经济、天文等领域所涉物理过程天然构成的开放动态环境。然而在开放动态环境中,因传统机器学习的封闭静态假设不再满足,动态学习对当前人工智能发展提出了更大的挑战和更广阔的应用前景。当前动态环境机器学习的一个主要方向是研究对在工程、医学等动态过程中采样获得的时间序列的建模、识别、分类等问题。本文将从系统与控制角度开展动态环境机器学习的研究。本论文工作包括以下四个方面:1)针对非线性动力学系统产生的、具有周期或回归性质的时间序列数据,我们提出一种基于确定学习的时间序列建模与回归新方法。从系统与控制角度,该问题属于非线性系统辨识难题。确定学习方法通过解决持续激励（PE）条件的满足及预先验证,实现了对沿着周期或回归轨迹（连续信号）的非线性系统动态的局部准确神经网络辩识。本文将把该问题扩展到基于时间序列（采样数据）的确定学习。通过Lyapunov设计的权值更新律,产生的学习误差系统形成了具有与连续确定学习对应的离散线性时变（LTV）形式的识别误差系统。然而,上述连续LTV系统在持续激励条件满足时指数稳定的性质由Anderson、Narendra等给出证明,现有文献中并没有针对这类离散线性时变系统的指数稳定性证明结果。针对这一控制理论中的关键科学问题,本文采用离散输入状态稳定小增益理论（discrete ISS-small gain theorem）给出了具体的证明过程。首先,在持续激励条件下采用逆Lyapunov理论构造每一子系统的Lyapunov函数。其次,证明了每个子系统的Lyapunov函数均满足ISS-Lyapunov的性质,即这两个子系统满足输入状态稳定（ISS）。最后,根据上述两个互连的离散子系统的ISS性质,采用离散ISS下的小增益理论证明了整个离散LTV系统满足全局一致渐近稳定性,这对于线性系统即为指数稳定性。上述离散LTV系统的指数稳定性证明,保证了沿时间序列轨迹神经网络权值的指数收敛到真值或最优值,进而实现对时间序列（采样）数据内在非线性动态的局部准确辨识。该方法的提出有效解决了采样数据这类时间序列的回归和建模问题。特别地,这种局部准确的动力学建模结果对后续的基于时间序列的识别、分类等应用研究具有重要的意义。2)针对由非线性动力学系统产生的、具有周期或回归性质的时间序列,研究其识别与分类的问题（上述具有周期或回归性质的时间序列亦可称为动态模式,因而这也是动态模式识别问题）。由于这类时间序列数据表达的动态模式在实际动态过程中广泛存在,而且相比于传统静态模式有本质上的不同,该问题的研究充满挑战且有着广阔的应用前景。本文在基于确定学习的快速动态模式识别的基础上,研究对连续系统采样得到的时间序列数据的快速识别问题。在采样数据框架下,分别提出了对应的时间序列动态模式相似性定义,以及时间序列数据快速识别方法。上述快速识别机制是通过利用动态识别系统误差间接反映动态模式之间的内在动力学的差异程度。为保证准确识别,非相似模式的动力学差异需要满足一个假设条件（沿着轨迹的动力学差异在一定连续的时间区间内超过一定的幅值大小且符号不能改变）。然而,在基于连续信号的动态模式识别中,因无法利用过去的信息计算动态模式之间的动力学差异,难以在实际工程中验证这些条件。也就是说,如果发生了误识别,由于识别条件无法验证,进而难以分析发生误识别的原因。与之相比,在采样数据框架下,可以基于历史采样数据充分对比其动力学差异,验证动态模式识别结果的准确性。因此,这种基于动力学差异的动态模式识别具有良好的可解释性,在工程实际中将发挥重要作用。3)结构稳定性是一个非线性动力学系统领域的重要概念,它提供了对动力学系统及其受扰系统的一种自然动态的分类关系。其原理在于,如果一个结构稳定的系统与其受扰系统具有相似的拓扑结构,则两系统可以看成是同一类的系统。本文基于结构稳定性概念,探索动态模式识别新方法。然而,这个概念在实际中难以应用的原因之一是难以获取动力学的偏导信息。针对这一难题,我们基于确定学习的知识再利用机制近似表达沿着轨迹方向的动力学偏导信息。从而提出了基于结构稳定性的相似性定义,对模式间进行更细化的相似性描述。基于这种新的相似性定义,进一步给出了对应的动态模式识别的实现方法。通过与基于动力学差异的动态模式识别方法进行仿真对比,结果表明在更细化的识别场景下,基于结构稳定性的方法能得到更好的结果。4)最终,针对心肌缺血/心肌梗塞早期检测等重大临床需求问题,开展基于动态环境机器学习的应用研究。本课题组基于由确定学习形成的心电动力学图（CDG）在心肌缺血检测方向上已开展多年研究。心电动力学图是对心电图（ECG）ST-T段的局部准确动力学建模结果的三维可视化展示。它与心脏复极过程的离散度相关,相比传统心电图诊断具有更高的敏感性。本文创新性地提出了心电动力学图的时空离散度量化指标:一方面根据心电信号的物理时频特性提出心电动力学图的时间离散度指标,另一方面从非线性系统的混沌性分析角度提出心电动力学图的空间离散度指标。通过在北京阜外医院、新疆石河子市人民医院开展的心电动力学图检测心肌缺血的临床试验,结果表明该指标能够在心电图大致正常时对心肌缺血患者进行较为准确的检测。
王丹俐[7]（2020）在《基于心电向量图非线性动力学特征的心肌梗塞诊断研究》文中研究说明以心肌梗塞为代表的心血管疾病是危害人类健康的主要疾病之一,其致死率和致残率均很高。由于其发作前征兆不明显,一些病人若得不到及时的抢救,会对心肌细胞产生永久性的损伤,出现心脏衰竭,休克,甚至威胁生命,因此心肌梗塞的及时准确的诊断对患者的救治十分重要。心电向量图（Vectorcardiogram,VCG）是心脏电活动在体表的综合表现,蕴含着丰富的生理和病理信息,在心肌梗塞的诊断和评价中具有重要意义。与其他有创检测手段相比,心电向量图无创方便易行、检测价格低廉,目前依然是心肌梗塞检测中最有效的无创心电检测方法之一。得益于信号处理与分析技术的发展,如今可以从心电向量图中挖掘出越来越多肉眼无法观察到的,但对心肌梗塞有重要提醒作用的心电特征。经过近十年的研究发展,心电向量图智能诊断心梗领域涌现出许多有价值的工作,同时患者复杂的个体差异性以及病理生理变化也为研究带来了很多挑战。鉴于心电向量图智能诊断心梗具有重要的理论研究意义和实际应用价值,本文将对其进行深入研究,在前人工作的基础上重点研究心电向量图非线性动力学特征及其在心肌梗塞中的应用,主要工作有:（1）挖掘心电向量图时间序列内在的非线性动力学特性。从非线性动力学理论出发,利用相空间重构技术,对心电向量图这一非线性时间序列进行非线性动力学特性分析,分别采用庞加莱截面法、主成分分析法、功率谱图法,观察重构轨迹的几何结构,分析频谱的分布和周期性,确定心电向量图存在非线性混沌特性,同时观察正常VCG和心梗VCG信号之间非线性动力学特征的差异。（2）研究基于心电向量图的非线性动力学特征提取方法。从动力学系统信息量动态演化的角度进行研究,分别提取三个典型的熵值特征:近似熵、样本熵、模糊熵;从系统内在结构的变化过程研究非线性动力学系统的复杂性,分别提取LZ复杂度和C0复杂度;从混沌动力学的角度出发,分别提取最大Lyapunov指数、延迟时间、嵌入维数、Kolmogorov熵和关联维数,对心梗与正常个体的心电向量图进行特征值分布分析,确定心电向量图非线性动力学特征在心肌梗塞诊断中的有效性。（3）研究基于心电向量图非线性动力学特征的心肌梗塞检测方法。首先,将所提取的非线性动力学特征,结合机器学习分类模型,进行分类器参数的寻优,将PTB数据库中正常和心梗样本设置为5折交叉验证,实现基于单一非线性动力学特征的心梗检测,确定各特征在心肌梗塞疾病中的准确率。然后,采用前期融合与后期融合相结合的方式进行分类测试,最终取得93%的准确率。单一特征很难对复杂的心电模式进行全面精准的描述,所提的心电向量图非线性动力学特征分别从不同的角度刻画了系统的内在特性,因而多个特征融合下的分类准确率、敏感性、特异性均比任何单一特征的分类结果好。（4）研制开发心电向量图非线性动力学在线分析系统。该在线分析系统使用MATLAB GUI模块进行搭建,所用的AIKD心电采集模块通过USB接口与界面交互,实现命令的发送,数据的传输。该系统能够支持心电向量图数据在线采集和分析诊断,对心电向量图进行特征提取、分析诊断,最终提供图形化和文字化的输出结果,为心肌梗塞的诊断提供一个实用的辅助诊断工具。
杨建利[8]（2019）在《基于深度学习的心血管疾病智能预测与精确诊断算法研究》文中研究表明随着我国人口结构和社会环境的改变,心血管病已经超越肿瘤成为致死率第一的疾病。每年居民疾病总死亡人数中40%以上是由心血管病导致的,并有逐年上升的趋势。更为严峻的是,随着大气污染的加剧和不良生活习惯的蔓延,心血管病患病人群呈现逐年年轻化趋势。心血管病的监控与防治,耗费国家大量的资金和资源,其已经成为提升国民健康水平,加快国家健康事业发展中的一大难题。心血管病高致死率的主要原因是其发病具有隐蔽性和突发性,作为临床诊断心血管病最有效的工具心电图和医学影像具有各自的特点。动态心电图的可便携性使其可实时监测和预警突发心血管病,在心血管病预测方面具有突出作用,但其为体外微弱电信号,不能窥视内因;医学影像的高精度使其可发掘心血管病本质原因,在心血管病精确诊疗方面起着突出作用,但其不具有实时性。因此,将人工智能技术与它们结合,充分发挥出心电图和医学影像各自的优势,能够有效提高心血管疾病预防和诊疗的效率,降低心血管病的致死率。针对以上问题和挑战,本文从动态心电图和医学影像两个数据层面出发,研究了心血管疾病的智能预测和精确诊断算法。在动态心电图数据层面,研究高危心血管病智能预测与实时预警算法。在医学影像数据层面,研究了和高危心血管病紧密相关的冠脉血管形态评估和血管内斑块及易损斑块的自动识别。论文的创新性研究工作主要体现在以下几个方面:1.设计了一个具有四层堆栈结构的稀疏自动编码深神经网络自动提取动态心电图心拍的深层特征,通过分层训练和优化,实现了正常、房性早搏、室性早搏、右束支传导阻滞、左束支传导阻滞和起搏六类心拍的精确识别,平均识别精度达99.5%。为室颤类高危心血管病的智能预测提供了技术辅助。2.提出了一种基于回声状态网络的心源性猝死智能预测算法,通过设计具有多层串联结构的回声状态网络,实现了心源性猝死信号和非猝死信号的智能区分,利用猝死发生前5分钟信号进行预测,平均预测精度为94.32%,为心源性猝死预测提供了新思路,为高危心血管病的智能监测和实时预警提供了保障。3.提出了一种基于线性标签最大流算法的冠脉OCT图像血管内膜轮廓自动提取算法,将血管内膜轮廓的提取问题转化为线性标签区域的分割问题,并将冠脉OCT图像径向的灰度分布特性用于线性标签最大流算法中灰度标签值的设定,从而实现了不同特征OCT图像血管内膜轮廓的精确提取。该算法对边界模糊,存在支架、斑块或血栓的OCT图像均有较好效果,平均筛子系数为0.972。为冠脉血管形态精确评估提供了数据支撑。4.提出了一种基于A-line深度建模的斑块和易损斑块自动识别算法。利用堆栈稀疏自动编码网络自学习的能力,设计大量无标签数据训练堆栈稀疏自动编码深神经网络,自动提取斑块特征的深层表示。然后引入少量有标签数据微训练整个网络。在有限标签数据的前提下,实现了纤维化、纤维化-钙化和纤维化-脂质斑块的精确识别,三类斑块的平均区域重合度分别为87%、87%和85%。通过对斑块中纤维帽厚度的自动分析,实现了薄纤维帽类易损斑块的自动识别,易损区域平均重合度达87%。斑块和易损斑块自动识别算法总体时间为0.54秒。为高危心血管疾病的精确诊断和内因分析提供了理论支撑。
陈秋杰[9]（2019）在《基于机器学习的心电信号处理方法研究》文中研究说明心电信号是一种重要的生物电信号,能够反映出众多的生理信息,是医生诊断患者心肌类疾病的重要依据来源。为了提高医生通过心电信号诊断患者心脏健康状况的工作效率,在心电信号处理方面研究主要集中在:（1）如何获得更干净且失真度越小的心电信号;（2）如何更准确有效的识别出各种心电特征波形;（3）如何通过心电信号自动判断患者的健康状况。为获得更加干净的心电信号,文中采用自适应滤波器对原始心电信号进行处理,滤除其中所掺杂的工频和肌电噪声信号。为避免自适应滤波器需从外部引入参考信号的不足之处,本文采用无需外部参考的自适应滤波器模型。将单导联心电信号作为参考信号并通过移位运算获得期望信号或将原始心电作为期望信号并通过均值运算获得参考信号,实验结果显示三种无外部参考信号的自适应噪声抑制器均能获得良好的抑制工频干扰和肌电干扰的效果,其中模型二最终的滤波效果最优。基线漂移容易造成心电信号不定期且不定幅值地上下波动,使得信号发生形变,影响医生对心电信号的分析诊断。本文采用中值滤波器对心电基漂信号进行拟合,再将拟合所得的基漂信号从原始信号中减掉,到达抑制基漂信号的效果。以心电的时域特征为支持向量机的特征信号,将R波波峰从众多心电采样点中提取出来,并以R波波峰为参照点对其他波形进行定位。本文选用MIT提供的公开心电数据库中的心律不齐信号为例子验证算法在识别R波峰值的准确性,从实验结果中看出在原始心电信号存在较为严重的噪声干扰的情况下,本文算法也能够很好地识别R波的波峰位置,AUC值达到0.9992,并在此基础上定位其他特征波形。心肌疾病的自动诊断是目前心电信号研究的重点之一,本文首次使用心电的混沌特征结合时域和频域特征信号作为随机森林的特征集,对常见的4种心率不齐信号以及正常心电进行诊断,实验结果显示,本文算法对存在心律不齐的心搏信号的分类准确度达到90%以上,诊断结果具有一定的参考价值。
范丽娟[10]（2019）在《宽体探测器低剂量CT评估儿童复杂先心病》文中研究说明第一部分宽体探测器低剂量CT在婴幼儿先天性心脏病应用的可行性研究目的探讨宽体探测器低剂量CT在婴幼儿先天性心脏病（先心病）检查中的可行性:诊断能力、图像质量及辐射剂量。对象与方法100例连续先天性心脏病患儿纳入研究,年龄均小于3岁。根据扫描方案不同分为两组。宽体探测器低剂量CT组50例,男31例,女19例,年龄12天至32个月,使用宽体探测器低剂量心电门控CT心脏收缩末期扫描。对照组50例,男26例,女24例,年龄19天至27个月,使用多排CT容积螺旋穿梭技术（VHS）扫描。以手术结果作为参考标准,计算两种检查方法对心血管畸形的检出率并进行比较。分别测量两组升主动脉、主肺动脉、左心室、膈肌水平降主动脉及胸壁肌肉组织的CT值和图像噪声,并计算客观图像质量指标信噪比（SNR）及对比噪声比（CNR）。采用双盲法评价心内结构、心外结构及冠状动脉的主观图像质量评分。记录每一位患儿的容积CT剂量指数(CTDIvol)和剂量长度乘积（DLP）,并计算有效辐射剂量（ED）。比较两组的诊断检出率,图像质量及辐射剂量。结果宽体探测器低剂量CT组和对照组分别发现142和131处心血管畸形,两者诊断检出率分别为95.07%和94.66%,差别无统计学意义（χ2=0.877,P=1.000）。低剂量组心内结构、心外结构及冠状动脉的主观图像质量评分分别为3.71±0.82、4.69±0.51和3.28±0.90,对照组心内结构、心外结构及冠状动脉的主观图像质量评分分别为3.52±0.65、4.60±0.61和2.30±0.82,两组心内结构及心外结构的主观图像质量评分差异无统计学意义（P>0.05）,冠状动脉的图像质量两组比较差异有统计学意义（P=0.000）,宽体探测器低剂量组显着高于对照组。图像质量的客观评价:宽体探测器低剂量组及对照组升主动脉的CT值（565.15±184.55 vs.526.00±184.10）、图像噪声（28.07±9.64 vs.24.95±5.89）、SNR（21.43±7.96 vs.21.82±8.32）及CNR（19.06±7.72 vs.19.58±8.22）,差异均无统计学意义（P>0.05）;主肺动脉的CT值（575.95±259.78 vs.537.06±198.40）、图像噪声（25.62±10.87 vs.26.66±8.25）、SNR（23.66±8.66 vs.22.25±11.42）及CNR（20.94±8.19 vs.20.03±11.02）,差异均无统计学意义（P>0.05）;左心室的CT值（554.96±213.85 vs.520.57±173.34）、图像噪声（30.14±12.34 vs.26.71±8.18）、SNR（19.92±7.99 vs.21.13±9.40）及CNR（17.58±7.44 vs.18.92±8.86）,差异均无统计学意义（P>0.05）;膈肌水平降主动脉的CT值（539.40±175.28 vs.524.90±189.52）、图像噪声（25.96±10.99 vs.23.29±8.54）、SNR（23.83±11.50 vs.26.47±15.98）及CNR（20.96±10.30 vs.23.74±15.11）,差异均无统计学意义（P>0.05）。宽体探测器低剂量CT组与对照组比较,CTDIvol（t=-14.856,P=0.000）、DLP（t=-12.595,P=0.000）及有效剂量ED（t=-11.642,P=0.000）差异均有统计学意义,宽体探测器低剂量CT扫描比多排CT容积螺旋穿梭技术扫描辐射剂量下降了76%。结论宽体探测器低剂量心电门控CT心脏收缩末期扫描检查婴幼儿先心病,可获得满意的图像质量和理想的诊断效能,尤其对诊断先心病中合并的冠状动脉异常具有独特优势,并能大幅降低有效辐射剂量。第二部分宽体探测器低剂量CT在儿童复杂先心病诊断中的应用研究目的通过分析宽体探测器低剂量CT获取的先心病扫描数据,并将诊断结果同经胸超声心动图（TTE）及手术结果进行对照,评价该技术在儿童复杂先心病诊断中的临床应用价值。对象与方法108例先心病儿童纳入研究,男60例,女48例,平均年龄31.4±35.1月（中位数19.5月,范围12天-15岁）,平均体重11.8±7.9kg（中位数9.7kg,范围2.5-56kg）,平均身高84.6±23.6cm（中位数80.0cm,范围47.0-156.0cm）,平均心率115.9±21.3次/分（中位数115.5次/分,范围59-171次/分）。以手术结果作为参考标准,评价两种检查方法对复杂先心病的心内结构异常、心脏大血管连接异常、心外结构异常以及全部心脏结构异常诊断的敏感度、特异度、正确指数、阳性预测值、阴性预测值、准确率及检出率,并比较。记录每一位儿童的CTDIvol和DLP,并计算有效辐射剂量。比较不同年龄组有效辐射剂量。结果1.本组108例,手术结果共发现心内结构异常291处。宽体探测器低剂量CT诊断正确251处,诊断不正确共41处。TTE诊断正确273处,诊断不正确共19处。宽体探测器低剂量CT对心内结构异常诊断的敏感度、特异度、正确指数、阳性预测值、阴性预测值、准确率及检出率分别为86.25%、99.95%、0.862、99.60%、98.12%、98.27%及86.25%;TTE分别为93.81%、99.95%、0.938、99.64%、99.14%、99.20%及93.81%。两种检查方法的准确率比较差别有统计学意义（P=0.000）,TTE的准确率显着高于宽体探测器低剂量CT。两种检查方法的检出率比较差别有统计学意义（P=0.000）,TTE的检出率显着高于宽体探测器低剂量CT。2.本组108例,手术结果共发现心脏大血管连接异常58处。宽体探测器低剂量CT对这58处畸形均诊断正确,诊断不正确1处。TTE诊断正确55处,诊断不正确共9处。宽体探测器低剂量CT对心脏大血管连接异常诊断的敏感度、特异度、正确指数、阳性预测值、阴性预测值、准确率及检出率分别为100.0%、99.79%、0.998、98.31%、100.0%、99.81%及100.0%。TTE分别为94.83%、98.76%、0.936、90.16%、99.37%、98.33%及94.83%。宽体探测器低剂量CT和TTE对心脏大血管连接异常诊断的准确率和检出率差别无统计学意义（P=0.625）。3.本组108例,手术结果共发现心外结构异常175处。宽体探测器低剂量CT对174处畸形诊断正确,诊断不正确2处。TTE诊断正确139处,诊断不正确共53处。宽体探测器低剂量CT对心外结构异常诊断的敏感度、特异度、正确指数、阳性预测值、阴性预测值、准确率及检出率分别为99.43%、99.95%、0.994、99.43%、99.95%、99.90%及99.43%。TTE分别为79.43%、99.09%、0.785、89.10%、98.10%、97.42%及79.43%。两种检查方法的准确率比较差别有统计学意义（P=0.000）,宽体探测器CT的准确率显着高于TTE。两种检查方法的检出率比较差别有统计学意义（P=0.000）,宽体探测器CT的准确率显着高于TTE。4.宽体探测器低剂量CT对本组108例全部心脏结构异常诊断的敏感度、特异度、正确指数、阳性预测值、阴性预测值、准确率及检出率分别为92.18%、99.93%、0.921、99.38%、99.09%、99.11%及92.18%;TTE;分别为89.12%、99.46%、0.886、95.11%、98.73%、98.37%及89.12%。两种检查方法诊断全部心脏结构异常的准确率和检出率比较差别均无统计学意义（P=0.114）。5.108例患儿整体平均CTDIvol、DLP及ED分别为1.39±0.38m Gy,20.62±6.79m Gy·cm及0.57±0.15m Sv,三年龄组内均存在显着性差异（P值均=0.000）,其中CTDIvol、DLP分别在三年龄组间存在显着性差异（P值均<0.05）,均随年龄增长而显着增加（表2-11,2-12）。三年龄组患儿的ED分别为0.64±0.17m Sv、0.53±0.12m Sv及0.49±0.08m Sv。其中在>1,≤5岁和>5岁两年龄组之间差别无统计学意义（P=0.273）;但在≤1岁与>1,≤5岁和≤1岁与>5岁之间差别有统计学意义（P=0.001,0.000）,总的趋势是随着年龄的增长,有效辐射剂量ED下降,年龄越小ED越高,≤1岁患儿的剂量显着高于1岁以上儿童。结论宽体探测器低剂量CT与TTE在儿童先心病的整体诊断效能上不存在显着性差异;TTE对诊断心内结构异常更具相对优势,而宽体探测器低剂量CT对诊断心外结构异常更具优势,预期二者联合应用可以优势互补,提高诊断效能。在本组患儿中,≤1岁年龄组的有效辐射剂量ED相对较高。第三部分宽体探测器低剂量CT定量评估儿童紫绀属复杂先心病的临床应用研究目的与TTE对照,比较宽体探测器低剂量CT在紫绀属复杂先心病中对大血管直径、室间隔缺损大小的测量及Mc Goon比值的差别,评价宽体探测器低剂量CT定量诊断紫绀属复杂先心病的临床应用价值。对象与方法紫绀属先心病儿童48例纳入该项研究。男23例,女25例,平均年龄28.2±33.9月（中位数17.50月,范围12天-15岁）,平均体重11.1±6.4kg（中位数10.0kg,范围2.8-41kg）,平均身高82.2±20.7cm（中位数78.0cm,范围47.0-156.0cm）,平均心率116.3±20.5次/分（中位数115.0次/分,范围80-171次/分）。比较宽体探测器低剂量CT及TTE两种检查方法对主肺动脉、左肺动脉、右肺动脉、降主动脉、室间隔缺损测量值的差别及Mc Goon比值的差别。进一步对本组病例中41例三岁以下患儿进行了年龄、体重和心率分组研究。分组标准年龄≤12月和>12月,心率<120次/分和≥120次/分,体重<10Kg和≥10Kg。分析年龄、心率和体重对大血管直径、室间隔缺损及Mc Goon比值的影响。结果1.宽体探测器低剂量CT测量的主肺动脉、左肺动脉、右肺动脉、降主动脉测量值分别为9.6±3.8mm、8.7±3.4mm、7.8±3.1mm及9.2±2.3mm。TTE测量的主肺动脉、左肺动脉、右肺动脉、降主动脉测量值分别为8.3±3.2mm、6.2±2.7mm、6.2±2.4mm及7.7±1.8mm。两种检查方法比较主肺动脉、左肺动脉、右肺动脉及降主动脉测量值差别有统计学意义（t=4.324,P=0.000;t=7.663,P=0.000;t=4.290,P=0.000;t=8.026,P=0.000）。宽体探测器低剂量CT主动脉及肺动脉直径测量值显着高于TTE测量值。Mc Goon比值宽体探测器低剂量CT（1.8±0.5）与TTE（1.6±0.4）比较差别有统计学意义（t=2.721,P=0.009）,宽体探测器低剂量CT Mc Goon比值显着高于TTE。VSD的大小在宽体探测器CT（11.5±3.5）和TTE（13.0±3.5）间比较差别亦有统计学意义（Z=-3.519,P=0.000）,宽体探测器低剂量CT测量的VSD大小显着小于TTE结果。2.主肺动脉直径及室间隔缺损大小两种检查方法测量值比较与年龄有关,1岁以下患儿两种检查方法测量值无显着性差异。Mc Goon比值两种检查方法比较结果与体重有关,体重越大,两种方法Mc Goon比值一致性越好。宽体探测器低剂量CT测量值均显着高于TTE。Mc Goon比值及VSD大小两种检查方法比较与心率有关,心率越快两种方法的一致性越好。结论宽体探测器低剂量CT获得的肺动脉的测量值及Mc Goon比值高于TTE获得的结果,而宽体探测器低剂量CT获得的VSD测量值低于TTE获得的结果,年龄、体重和心率对两种方法测量结果之间的差异性有一定影响,在应用宽体探测器低剂量CT和TTE定量评估儿童紫绀属先心病时应予注意。第四部分宽体探测器低剂量CT在先心病冠状动脉评估中的应用价值目的评估宽体探测器低剂量CT对先心病儿童冠状动脉各节段显示的可判读性、图像质量及辐射剂量,评价其在临床儿童先心病冠状动脉异常诊断中的价值。对象与方法134例行宽体探测器低剂量CT检查的先心病儿童纳入研究。其中男73例,女61例,平均年龄30.27±36.67月（中位数17.00月,范围12天-15岁）,平均体重11.40±7.72kg（中位数9.15kg,范围2.48-53kg）,平均身高83.73±24.25cm（中位数76.50cm,范围47.00-163.00cm）,平均心率115.87±21.30次/分（中位数115.00次/分,范围59-171次/分）。分析宽体探测器低剂量CT图像冠状动脉异常的发生率。将冠状动脉分为11个节段,比较各节段的可判读性及图像质量评分。将所有病例按年龄不同分为四组,组1:年龄≤1岁,60例;组2:1岁<年龄≤5岁,48例;组3,5岁<年龄≤10岁,19例;组4,年龄>10岁,7例。比较不同年龄组冠状动脉评分、客观图像质量及辐射剂量。结果1.本组134例患者中共发现16例冠状动脉异常,发生率11.9%,包括左侧单支冠状动脉2例,右侧单支冠状动脉3例,前降支起自右冠状动脉1例,回旋支起自右冠状动脉1例,右冠状动脉起自主动脉左窦3例,右冠状动脉高位开口1例,前降支-右室瘘1例,右冠状动脉-右室瘘1例,回旋支-右房瘘1例,左冠状动脉起自肺动脉1例,冠状动脉狭窄及闭塞1例。2.134例患者冠状动脉11节段2分以上共1180段,总可判读率80.8%（1180/1460）。可判读率由高到低依次为:LO、LM、LAD1、RO、LAD2、RCA1、LCX1、RCA3、LAD3、RCA2、LCX2。可判读率最高的为LO,98.5%;此外在90.0%以上的依次为LM、LAD1、RO及LAD2;可判读率最低的两个节段为LCX2（41.8%）和RCA2（62.1%）。进一步按开口（LO、RO）、近段（LM、LAD1、LCX1、RCA1）、中段（LAD2、RCA2）、远段（LAD3、LCX2、RCA3）分析结果显示:从开口至远段可判读率依次下降,分别为96.9%（253/261）、88.5%（470/531）、76.3%（203/266）及63.5（254/400）。2.冠状动脉11节段评分由高到低依次为LO、LM、RO、LAD1、RCA1、LAD2、RCA3、LCX1、LAD3、RCA2、LCX2。各节段评分多组间比较差别有统计学意义,χ2值=359.105,P=0.000。进一步组内两两结果显示:LO、LM和RO评分差别无统计学意义（P>0.05）,LAD1评分显着低于LO（P=0.027）和LM（P=0.029）,但与RO差别无统计学意义（P>0.05）。LAD2与LCX1、RCA1及RCA3差别无统计学意义（P>0.05）。LAD3与LCX1及RCA2差别无统计学意义（P>0.05）。LCX1与LAD2、LAD3及RCA3差别无统计学意义（P>0.05）。RCA1与LAD2及RCA3差别无统计学意义（P>0.05）。RCA2与LAD3差别无统计学意义（P>0.05）。RCA3与LAD2、LCX1及RCA1差别无统计学意义（P>0.05）。LCX2与其他所有10个节段比较差别均有统计学意义（P=0.000）。余各节段组内两两比较差别均有统计学意义（P<0.05）。3.不同年龄组冠状动脉各节段评分比较结果:LO、LM、LCX1及RCA2评分在各年龄组间差别有统计学意义（χ2=12.648,14.390,10.650,10.134;P=0.005,0.002,0.014,0.017）。RO、LAD1、LAD2、LAD3、LCX2、RCA1及RCA3评分在各年龄组间比较差别均无统计学意义（P>0.05）。4.不同年龄组宽体探测器低剂量CT图像的CT值、噪声、SNR及CNR见表4-12,结果显示四个图像质量客观指标间差别均无统计学意义（F=0.800,0.475,0.600,0.753;P=0.496,0.700,0.616,0.523）,图像质量与年龄无关。5.随着年龄的增加,CTDIvol和DLP均显着性升高。有效辐射剂量E四组比较差别有统计学意义（F=5.160,P=0.002）,进一步两两比较辐射剂量E组1和组2,组1和组3比较差异有统计学意义,P值分别为0.002和0.001;余各组比较差别均无统计学意义（P>0.05）。年龄越小,辐射剂量越大,1岁以内婴幼儿辐射剂量最大,10岁以上儿童辐射剂量增加,辐射剂量最低的年龄组为5-10岁。结论宽体探测器低剂量CT在先心病儿童冠状动脉异常的诊断中具有独特优势,可在评估心脏大血管的同时完成。图像质量客观指标在各年龄组间无显着性差异。冠状动脉11个节段的可判读率为80.8%,可判读性及评分在主干开口及各支近段较高,趋势是随着管径的减小而递减。左冠状动脉开口（LO）、左主干（LM）、回旋支近段（LCX1）及右冠状动脉中段（RCA2）评分在各年龄组间有显着性差异,随年龄增加,评分升高。1岁以内婴幼儿有效辐射剂量ED相对最高（0.63±0.17m Sv）。
二、不同程度冠脉狭窄对心电及R-R间期序列Lyapunov指数的影响（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、不同程度冠脉狭窄对心电及R-R间期序列Lyapunov指数的影响（论文提纲范文）
（1）冠心病心室复极变异性分析及其辅助诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 冠心病心电图学概述 |
| 1.3 心室复极变异性研究进展 |
| 1.3.1 心室复极变异性影响因素 |
| 1.3.2 心室复极变异性分析方法 |
| 1.3.3 心室复极变异性临床价值 |
| 1.4 其他心室复极化指标研究进展 |
| 1.4.1 校正QT间期研究进展 |
| 1.4.2 TpTe/QT比值研究进展 |
| 1.5 基于静息心电图的冠心病自动诊断研究进展 |
| 1.6 现有问题和研究思路 |
| 1.6.1 现有问题 |
| 1.6.2 研究思路 |
| 1.7 主要内容和章节安排 |
| 第二章 边沿散布熵及其多尺度扩展 |
| 2.1 引言 |
| 2.2 散布熵和边沿排列熵 |
| 2.3 边沿散布熵 |
| 2.4 多尺度边沿散布熵 |
| 2.5 仿真实验 |
| 2.5.1 边沿散布熵的参数影响 |
| 2.5.2 多尺度边沿散布熵的参数影响 |
| 2.6 辨识性能分析 |
| 2.6.1 边沿散布熵辨识性能分析 |
| 2.6.2 多尺度边沿散布熵辨识性能分析 |
| 2.7 本章小结 |
| 第三章 冠心病患者心室复极变异性分析 |
| 3.1 引言 |
| 3.2 数据获取 |
| 3.2.1 试验对象筛选 |
| 3.2.2 临床资料收集 |
| 3.2.3 间期序列构建 |
| 3.3 冠心病患者心室复极变异性特点 |
| 3.3.1 QTV、TpTeV和HRV组间差异分析 |
| 3.3.2 QT-RR和TpTe-RR耦合性组间差异分析 |
| 3.3.3 校正QT间期和TpTe/QT比值组间差异分析 |
| 3.3.4 QTV、TpTeV与校正QT间期、TpTe/QT比值相关性分析 |
| 3.3.5 性别对心室复极化指标的影响 |
| 3.3.6 冠状动脉狭窄程度对心室复极化指标的影响 |
| 3.4 本章小结 |
| 第四章 心室复极化特征辅助冠心病自动诊断研究 |
| 4.1 引言 |
| 4.2 基于心室复极化指标特征的冠心病自动诊断研究 |
| 4.2.1 系统整体架构 |
| 4.2.2 特征提取 |
| 4.2.3 分类模型 |
| 4.2.4 分类结果 |
| 4.3 融合心室复极化指标和ST-T段波形特征的冠心病自动诊断研究 |
| 4.3.1 系统整体架构 |
| 4.3.2 特征提取 |
| 4.3.3 分类模型 |
| 4.3.4 分类结果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.1.1 工作创新 |
| 5.1.2 工作不足 |
| 5.2 工作展望 |
| 附录A |
| A.1 多尺度熵算法 |
| A.2 排列熵算法 |
| A.3 心室复极化指标性别差异分析结果 |
| A.4 心室复极化指标冠状动脉狭窄程度差异分析结果 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的成果和奖励 |
| 学术论文 |
| 荣誉或奖励 |
| 攻读博士学位期间参与的科研项目 |
| 学位论文评阅及答辩情况表 |
（2）FORCE CT冠状动脉、左心房肺静脉一站式成像在房颤患者冠心病诊断的应用（论文提纲范文）
| 中文摘要 |
| ENGLISH ABSTRACT |
| 符号说明 |
| 第一部分 FORCE CT回顾性心电门控绝对时相评价冠状动脉、左心房肺静脉一站式成像的图像质量及辐射剂量 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附表 |
| 附图 |
| 参考文献 |
| 第二部分 Force CT 一站式成像对房颤患者冠状动脉、左心房肺静脉的诊断价值 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附表 |
| 附图 |
| 参考文献 |
| 综述 冠状动脉CT血管成像在高心率和房颤患者中的挑战 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及着作 |
| 学位论文评阅及答辩情况表 |
（4）双阶段动态心功能评估方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 电生物信号 |
| 1.1.2 心电图 |
| 1.1.3 心电图运动负荷试验 |
| 1.1.4 心率变异性 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究状况 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 论文内容及结构安排 |
| 第2章 双阶段运动心电检测装置设计 |
| 2.1 实验平台搭建 |
| 2.1.1 心电图机 |
| 2.1.2 电极 |
| 2.1.3 肢体导联 |
| 2.2 试验材料和器材 |
| 2.3 实验设计 |
| 2.3.1 维拓力心电模块开发 |
| 2.3.2 运动恢复试验设计 |
| 2.3.3 模型构建 |
| 2.3.4 参数提取 |
| 2.4 章节总结 |
| 第3章 轻量级MMT的R波检测算法研究 |
| 3.1 噪声去除 |
| 3.1.1 Notch陷波器 |
| 3.1.2 FIR滤波器 |
| 3.2 基线校正 |
| 3.2.1 切比雪夫IIR高通滤波器 |
| 3.2.2 中值滤波器 |
| 3.2.3 整系数滤波器 |
| 3.2.4 三类滤波器基线校正效果 |
| 3.3 R波检测 |
| 3.4 章节总结 |
| 第4章 心率变异性参数在双阶段的模型构建 |
| 4.1 评估指标统计 |
| 4.2 Pearson相关性分析 |
| 4.3 典型相关分析 |
| 4.4 降维及回归分析 |
| 4.4.1 第一对典型变量 |
| 4.4.2 第二对典型变量 |
| 4.4.3 第三对典型变量 |
| 4.5 章节总结 |
| 第5章 特征点相关参数在双阶段的模型构建 |
| 5.1 评估指标统计 |
| 5.2 Pearson相关性分析 |
| 5.3 典型相关性分析 |
| 5.4 降维及回归分析 |
| 5.5 本章总结 |
| 第6章 总结和展望 |
| 6.1 工作总结 |
| 6.2 课题展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（5）基于双模态信号集成深度学习的冠心病检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 基于心电和心音信号的冠心病检测研究进展 |
| 1.2.1 基于心电信号的冠心病检测研究进展 |
| 1.2.2 基于心音信号的冠心病检测研究进展 |
| 1.3 基于传统方法和深度学习的冠心病检测研究进展 |
| 1.3.1 基于传统方法的冠心病检测研究进展 |
| 1.3.2 基于深度学习的冠心病检测研究进展 |
| 1.4 现存问题和研究思路 |
| 1.5 主要内容和章节安排 |
| 第二章 基于心电传统和深度学习特征的冠心病检测研究 |
| 2.1 数据采集和预处理 |
| 2.2 心电信号特征提取和选择 |
| 2.2.1 心电信号特征提取 |
| 2.2.2 心电信号特征选择 |
| 2.3 心电信号分类模型 |
| 2.3.1 集成学习模型 |
| 2.3.2 深度学习模型 |
| 2.4 心电信号分类结果 |
| 2.4.1 传统特征选择分类结果 |
| 2.4.2 深度学习分类结果 |
| 2.5 讨论 |
| 2.6 本章小结 |
| 第三章 基于心音传统和深度学习特征的冠心病检测研究 |
| 3.1 数据采集和预处理 |
| 3.2 心音信号特征提取和选择 |
| 3.2.1 心音信号特征提取 |
| 3.2.2 心音信号特征降维和选择 |
| 3.3 特征融合分类模型 |
| 3.4 心音信号分类结果 |
| 3.4.1 传统特征降维和选择分类结果 |
| 3.4.2 特征融合分类结果 |
| 3.5 讨论 |
| 3.6 本章小结 |
| 第四章 基于心电心音传统和深度学习特征的冠心病检测研究 |
| 4.1 数据采集和预处理 |
| 4.2 心电心音信号特征提取和选择 |
| 4.2.1 心电信号特征提取 |
| 4.2.2 心音信号特征提取 |
| 4.2.3 心电心音信号特征选择 |
| 4.3 双输入神经网络分类模型 |
| 4.4 分类结果 |
| 4.4.1 传统特征选择分类结果 |
| 4.4.2 双输入神经网络分类结果 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 第五章 基于心电心音多域深度学习特征的冠心病检测研究 |
| 5.1 数据采集和预处理 |
| 5.2 频域和时频域图像变换 |
| 5.2.1 频域图像变换 |
| 5.2.2 时频域图像变换 |
| 5.3 多输入卷积神经网络分类模型 |
| 5.4 分类结果 |
| 5.4.1 时域、频域和时频域心电分类结果 |
| 5.4.2 时域、频域和时频域心音分类结果 |
| 5.4.3 时域、频域和时频域心电心音联合分类结果 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的成果和奖励 |
| 学术论文 |
| 发明专利 |
| 荣誉或奖励 |
| 攻读博士学位期间参与的科研项目 |
| 学位论文评阅及答辩情况表 |
（6）基于采样数据的确定学习及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容及结构安排 |
| 第二章 预备知识 |
| 2.1 引言 |
| 2.2 确定学习机制 |
| 2.3 动态模式识别 |
| 2.4 早期的采样确定学习工作 |
| 2.5 离散系统稳定性 |
| 2.6 本章小结 |
| 第三章 针对采样数据的确定学习 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于Lyapunov设计的采样确定学习算法 |
| 3.4 误差系统的稳定性分析 |
| 3.5 仿真实验 |
| 3.6 本章小结 |
| 3.7 附录A |
| 3.8 附录B |
| 第四章 针对采样数据的动态模式识别 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于采样数据的动态模式的建模和相似性 |
| 4.4 基于采样数据的动态模式识别与性能分析 |
| 4.5 仿真实验 |
| 4.5.1 数据说明与动力学辨识 |
| 4.5.2 识别场景1 |
| 4.5.3 识别场景2 |
| 4.6 本章小结 |
| 4.7 附录A |
| 第五章 基于结构稳定性的针对采样数据的动态模式识别 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 结构稳定性 |
| 5.4 相似性定义与表达 |
| 5.5 基于结构稳定性的动态模式识别方案与性能分析 |
| 5.6 仿真实验 |
| 5.6.1 动力学偏导的建模验证 |
| 5.6.2 基于结构稳定性的动态模式识别 |
| 5.7 本章小结 |
| 5.8 附录A |
| 第六章 基于采样确定学习的心电动力学图建模与量化 |
| 6.1 引言 |
| 6.2 基于心电图采样数据信号的动力学建模 |
| 6.3 基于心电动力学图的量化指标 |
| 6.4 临床试验验证 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 插图 |
| 表格 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）基于心电向量图非线性动力学特征的心肌梗塞诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于心电图的心肌梗塞检测现状 |
| 1.2.2 基于心电向量图的心肌梗塞检测现状 |
| 1.3 主要研究内容与创新点 |
| 1.4 本文章节安排 |
| 2 预备知识 |
| 2.1 心肌梗塞(MI)概述 |
| 2.2 心电图(ECG) |
| 2.3 心电向量图(VCG) |
| 2.4 心电向量图与心电图的关联 |
| 2.5 PTB数据库 |
| 2.6 本章小结 |
| 3 基于心电向量图的非线性动力学特征研究 |
| 3.1 引言 |
| 3.2 心电向量图信号预处理 |
| 3.2.1 中值滤波器 |
| 3.2.2 小波滤波器 |
| 3.3 心电向量图的非线性动力学分析 |
| 3.3.1 庞加莱(Poincare)截面法 |
| 3.3.2 主成分分析法 |
| 3.3.3 功率谱分析法 |
| 3.4 基于心电向量图的非线性动力学特征提取 |
| 3.4.1 熵值特征 |
| 3.4.2 复杂度特征 |
| 3.4.3 延迟时间和嵌入维数 |
| 3.4.4 最大Lyapunov指数 |
| 3.4.5 Kolmogorov熵和关联维数 |
| 3.5 本章小结 |
| 4 基于非线性动力学特征的融合与分类的MI诊断 |
| 4.1 引言 |
| 4.2 基于支持向量机的非线性动力学特征分类 |
| 4.2.1 支持向量机(SVM) |
| 4.2.2 支持向量机的超平面求解 |
| 4.2.3 粒子群优化算法(PSO) |
| 4.2.4 单类特征的支持向量机分类器分类 |
| 4.3 基于特征融合的非线性动力学特征分类 |
| 4.4 基于多分类器的非线性动力学特征分类 |
| 4.4.1 K近邻算法(KNN) |
| 4.4.2 朴素贝叶斯算法 |
| 4.4.3 随机森林算法 |
| 4.4.4 集成学习-AdaBoostM1算法 |
| 4.4.5 决策融合 |
| 4.5 本章小结 |
| 5 心电向量图非线性动力学在线分析系统 |
| 5.1 引言 |
| 5.2 开发工具的介绍 |
| 5.2.1 基本硬件组成 |
| 5.2.2 MATLAB GUI |
| 5.3 心电向量图非线性动力学在线分析系统 |
| 5.3.1 系统的功能需求 |
| 5.3.2 系统的整体框架 |
| 5.3.3 系统的窗口体系 |
| 5.4 心电向量图非线性动力学在线采集模块 |
| 5.4.1 硬件采集的原理 |
| 5.4.2 采集模块的软件设计 |
| 5.4.3 采集模块的系统实现 |
| 5.5 心电向量图非线性动力学分析模块 |
| 5.5.1 分析模块的软件设计 |
| 5.5.2 分析模块的系统实现 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 |
（8）基于深度学习的心血管疾病智能预测与精确诊断算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略词 |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要内容 |
| 1.4 论文的组织和安排 |
| 第二章 基于堆栈稀疏自动编码网络的心律失常自动识别 |
| 2.1 心律失常的心电图表现 |
| 2.1.1 心电图概述 |
| 2.1.2 常见的心律失常及心电图特征 |
| 2.2 心律失常识别的研究现状 |
| 2.3 堆栈稀疏自动编码网络 |
| 2.3.1 稀疏自动编码器 |
| 2.3.2 堆栈稀疏自动编码网络 |
| 2.4 心律失常自动识别的实现 |
| 2.4.1 心拍构建 |
| 2.4.2 堆栈稀疏自动编码网络结构设计及深度特征提取 |
| 2.4.3 Softmax分类器 |
| 2.5 实验结果与讨论 |
| 2.5.1 数据来源 |
| 2.5.2 实验结果分析 |
| 2.6 本章小结 |
| 第三章 基于回声状态网络的心源性猝死智能预测 |
| 3.1 心源性猝死的心电图特征 |
| 3.2 心源性猝死预测的研究现状 |
| 3.3 心源性猝死的智能预测 |
| 3.3.1 信号预处理 |
| 3.3.2 数据集构建 |
| 3.3.3 回声状态网络构建 |
| 3.4 实验结果与讨论 |
| 3.4.1 数据来源 |
| 3.4.2 数据库信号分析 |
| 3.4.3 实验结果 |
| 3.5 本章小结 |
| 第四章 基于光学相干图像的冠脉血管内膜轮廓自动提取 |
| 4.1 冠脉光学相干图像介绍 |
| 4.1.1 光学相干图像原理和应用 |
| 4.1.2 冠脉光学相干图像在心血管方面应用的特点 |
| 4.2 冠脉光学相干图像中血管内膜轮廓自动提取研究现状 |
| 4.3 基于线性标签最大流算法的冠脉血管内膜轮廓自动提取 |
| 4.3.1 OCT图像的小波分解及灰度分布分析 |
| 4.3.2 线性标签最大流算法实现过程 |
| 4.4 评价指标 |
| 4.5 实验结果讨论与分析 |
| 4.5.1 数据来源 |
| 4.5.2 参数选取分析 |
| 4.5.3 特殊情况讨论 |
| 4.5.4 实验结果分析 |
| 4.6 本章小结 |
| 第五章 冠脉OCT图像中斑块和易损斑块的自动识别 |
| 5.1 冠脉OCT图像中斑块特征 |
| 5.1.1 冠脉OCT图像中斑块的形成原理及图像特征 |
| 5.1.2 冠脉OCT图像中易损斑块分类及其特征 |
| 5.2 斑块自动识别的研究现状 |
| 5.3 基于A-line深度建模的斑块和易损斑块识别 |
| 5.3.1 OCT图像展开及A-line提取 |
| 5.3.2 A-line深度建模与分类网络构建 |
| 5.3.3 斑块区域自动生成 |
| 5.3.4 TCFA自动检测 |
| 5.4 实验结果分析与讨论 |
| 5.4.1 A-line分类 |
| 5.4.2 斑块和易损斑块识别 |
| 5.4.3 与其他方法结果对比 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介及攻读学位期间取得的研究成果 |
（9）基于机器学习的心电信号处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 心电信号分析研究的现状 |
| 1.2.1 心电信号噪声来源 |
| 1.2.2 心电信号预处理及机器学习在波形分类的研究现状 |
| 1.3 心电波形用于疾病诊断方法的研究 |
| 1.4 本文的主要工作内容 |
| 第二章 机器学习特征选择与波形检测研究 |
| 2.1 心电波形特征点选取与分析 |
| 2.1.1 差分定位法 |
| 2.1.2 两倍标准差 |
| 2.1.3 过零点检测技术 |
| 2.1.4 混沌信号特征 |
| 2.2 支持向量机 |
| 2.3 随机森林 |
| 2.4 机器学习在心律失常分类的应用 |
| 2.5 本章小结 |
| 第三章 心电信号的预处理 |
| 3.1 心电信号的产生机理及特点 |
| 3.2 自适应滤波器 |
| 3.2.1 自适应噪声滤波器模型 |
| 3.2.2 自适应噪声抑制器滤波结果分析 |
| 3.3 关于抑制心电基线漂移的研究 |
| 3.4 本章小结 |
| 第四章 基于支持向量机的心电波形识别 |
| 4.1 分类模型的评估方法 |
| 4.2 支持向量机在识别QRS波群中的应用 |
| 4.2.1 R波波峰的定位 |
| 4.2.2 Q波波峰的定位 |
| 4.2.3 S波波峰的定位 |
| 4.3 P、T波波峰检测 |
| 4.4 本章小结 |
| 第五章 随机森林用于心律不齐的自动筛选 |
| 5.1 随机森林的特征选取 |
| 5.2 心电信号心律不齐类型判决系统 |
| 5.2.1 系统数据处理流程 |
| 5.2.2 实验数据分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文 |
| 致谢 |
（10）宽体探测器低剂量CT评估儿童复杂先心病（论文提纲范文）
| 中文摘要 |
| Abstract |
| 缩略语/符号说明 |
| 前言 |
| 研究现状、成果 |
| 研究目的、方法 |
| 一、宽体探测器低剂量CT在婴幼儿先心病应用的可行性研究 |
| 1.1 对象和方法 |
| 1.1.1 研究对象 |
| 1.1.2 检查技术 |
| 1.1.3 图像后处理和分析 |
| 1.1.4 图像质量评估及诊断效能 |
| 1.1.5 有效辐射剂量评估 |
| 1.1.6 统计学处理 |
| 1.2 结果 |
| 1.2.1 一般资料 |
| 1.2.2 诊断检出率 |
| 1.2.3 CT图像质量分析 |
| 1.2.4 有效辐射剂量 |
| 1.3 讨论 |
| 1.3.1 婴幼儿先心病影像学检查 |
| 1.3.2 宽体探测器低剂量CT在婴幼儿先心病影像学检查中的优势 |
| 1.3.3 宽体探测器低剂量CT在婴幼儿先心病检查中的图像质量 |
| 1.3.4 辐射剂量 |
| 1.3.5 研究的局限性 |
| 1.4 小结 |
| 二、宽体探测器低剂量CT在儿童复杂先心病诊断中的应用研究 |
| 2.1 对象和方法 |
| 2.1.1 研究对象 |
| 2.1.2 检查技术 |
| 2.1.3 图像后处理 |
| 2.1.4 经胸壁超声心动图检查(TTE) |
| 2.1.5 图像及结果的评价和判定 |
| 2.1.6 有效辐射剂量评估 |
| 2.1.7 诊断效能 |
| 2.1.8 统计学处理 |
| 2.2 结果 |
| 2.2.1 对心内结构异常诊断结果及诊断效能的比较 |
| 2.2.2 对心脏大血管连接异常诊断结果及诊断效能的比较 |
| 2.2.3 对心外结构异常诊断结果及诊断效能的比较 |
| 2.2.4 对全部心脏结构异常诊断结果及诊断效能的比较 |
| 2.2.5 有效辐射剂量 |
| 2.3 讨论 |
| 2.3.1 先天性心脏病CT影像节段分析法 |
| 2.3.2 宽体探测器低剂量CT复杂先心病影像后处理方法 |
| 2.3.3 宽体探测器低剂量CT及TTE对心内结构异常的诊断 |
| 2.3.4 宽体探测器低剂量CT及TTE对心脏大血管连接异常的诊断 |
| 2.3.5 宽体探测器低剂量CT及TTE对心外结构异常的诊断 |
| 2.3.6 宽体探测器低剂量CT及TTE对全部心脏结构异常的诊断 |
| 2.3.7 辐射剂量 |
| 2.3.8 研究的局限性 |
| 2.4 小结 |
| 三、宽体探测器低剂量CT定量评估儿童紫绀属复杂先心病的临床应用研究 |
| 3.1 对象和方法 |
| 3.1.1 研究对象 |
| 3.1.2 检查技术 |
| 3.1.3 宽体探测器低剂量CT图像后处理 |
| 3.1.4 TTE |
| 3.1.5 统计学处理 |
| 3.2 结果 |
| 3.2.1 48例肺血少紫绀属先心病测量值结果比较 |
| 3.2.2 按年龄分组3岁以下紫绀属先心病测量值比较 |
| 3.2.3 按体重分组3岁以下紫绀属先心病宽体探测器低剂量CT和TTE测量值比较 |
| 3.2.4 按心率分组3岁以下紫绀属先心病宽体探测器低剂量CT和TTE测量值比较 |
| 3.3 讨论 |
| 3.3.1 心动周期与心房、心室大小及大血管管径的关系 |
| 3.3.2 宽体探测器低剂量CT对先心病术前评估的价值 |
| 3.3.3 宽体探测器低剂量CT对先心病术前肺动脉测量值的价值 |
| 3.3.4 宽体探测器低剂量CT对室间隔缺损大小的评估 |
| 3.3.5 研究的局限性 |
| 3.4 小结 |
| 四、宽体探测器低剂量CT在先心病冠状动脉评估中的应用价值 |
| 4.1 对象和方法 |
| 4.1.1 研究对象 |
| 4.1.2 检查技术 |
| 4.1.3 图像后处理 |
| 4.1.4 图像质量评估 |
| 4.1.5 有效辐射剂量评估 |
| 4.1.6 统计学处理 |
| 4.2 结果 |
| 4.2.1 不同年龄组患者的一般资料比较 |
| 4.2.2 冠状动脉异常 |
| 4.2.3 冠状动脉11段可判读性及评分比较 |
| 4.2.4 不同年龄组冠状动脉11节段评分比较 |
| 4.2.5 不同年龄组宽体探测器低剂量CT客观图像质量 |
| 4.2.6 不同年龄组宽体探测器低剂量CT辐射剂量 |
| 4.3 讨论 |
| 4.3.1 先心病儿童冠状动脉影像学检查方法 |
| 4.3.2 宽体探测器低剂量CT先心病儿童冠状动脉的可判读率 |
| 4.3.3 宽体探测器低剂量CT先心病儿童冠状动脉评分及病变诊断 |
| 4.3.4 宽体探测器低剂量CT先心病不同年龄组客观图像质量 |
| 4.3.5 宽体探测器低剂量CT先心病不同年龄组辐射剂量 |
| 4.3.6 研究的局限性 |
| 4.4 小结 |
| 全文结论 |
| 论文创新点 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 综述 宽体探测器低剂量CT对儿童复杂先天性心脏病的临床应用价值 |
| 综述参考文献 |
| 致谢 |
| 个人简历 |
四、不同程度冠脉狭窄对心电及R-R间期序列Lyapunov指数的影响（论文参考文献）
- [1]冠心病心室复极变异性分析及其辅助诊断研究[D]. 姚连珂. 山东大学, 2021(10)
- [2]FORCE CT冠状动脉、左心房肺静脉一站式成像在房颤患者冠心病诊断的应用[D]. 蔡凡凡. 山东大学, 2021(12)
- [3]基于确定学习及心电动力学图的心肌缺血早期检测研究[J]. 孙庆华,王磊,王聪,王乾,吴伟明,赵媛媛,王喜萍,董潇男,周彬,唐闽. 自动化学报, 2020(09)
- [4]双阶段动态心功能评估方法研究[D]. 李泽禹. 重庆邮电大学, 2020(02)
- [5]基于双模态信号集成深度学习的冠心病检测研究[D]. 李晗. 山东大学, 2020(01)
- [6]基于采样数据的确定学习及应用[D]. 吴伟明. 华南理工大学, 2020
- [7]基于心电向量图非线性动力学特征的心肌梗塞诊断研究[D]. 王丹俐. 杭州电子科技大学, 2020(04)
- [8]基于深度学习的心血管疾病智能预测与精确诊断算法研究[D]. 杨建利. 河北大学, 2019(04)
- [9]基于机器学习的心电信号处理方法研究[D]. 陈秋杰. 广东工业大学, 2019(02)
- [10]宽体探测器低剂量CT评估儿童复杂先心病[D]. 范丽娟. 天津医科大学, 2019(02)