BP神经网络在心衰诊断中的应用
BP(Back-Propagation, 反向传播)神经网络是一种多层前馈神经网络，是现阶段已知的研究最完好的几种神经网络模型，拥有较好的自主学习、自我适应的本领，被大量地运用于模式识别、函数迫近和图像处理等各个领域。伴随着时代的发展进步，中国已经渐渐步入了老龄化社会。而伴随着老年人比例的增多，各种常常在老年人身上出现的疾病更为引起的人们的关心。而心血管方面的疾病是中老年的主要疾病，心血管疾病往往伴随着心律失常，心率衰竭等问题。心率变异性(heart rate variability，HRV)是指持续的心跳间隔之间的细小波动, 即为窦性心率的波动转变水平。它是这些年来来经常引起人们关心的无创性心电评价指标之一，可以用来评估心脏自主神经功用以及相关的病理状态，是研究心率衰竭方面的一个重要标准。本文通过提取心率变异性频域和时域上的一些特征参数，运用归一化处理，然后通过matlab函数进行非线性函数拟合，最终得到一个BP神经网络预测函数，达到可以初步的分辨一个人是否为心率衰竭患者的功能。 M000110
关键词：BP神经网络 心率变异性 归一化 非线性函数拟合
The BP neural network used in the diagnosis of heart failure
BP(Back-Propagation) neural network is a kind of multilayer feed forward neural networks and is one of the most sophisticated neural network models of several studies currently known with good self-learning and adaptive ability which are widely used in pattern recognition, function approximation and image processing and other fields. With the time development, China has gradually entered the aging society and accompanied by an aging society. An older person often occurs in a variety of diseases caused more concern. And cardiovascular disease is a major disease in the elderly accompanied by arrhythmias, heart failure and other problems. HRV (heart rate variability, HRV) refers to the continuous fluctuations between the hearts of the tiny or fluctuations in the degree of change that sinus rhythm. One noninvasive detection index ECG heart rate variability is receiving more attention in recent years and can be used for evaluation of cardiac autonomic function and associated pathological conditions, is an important thing of heart failure discuss. In this paper, by extracting some features HRV frequency domain and time domain parameters, the use of normalized and non-linear function fitting through mat lab function, and ultimately get a BP neural network prediction function, to be able to distinguish between a person's initial whether it is the function of heart failure patients.
Keywords: BP neural network; heart rate variability; normalization; non-linear function fitting
目录 查看完整请+Q:351916072获取
1 绪论 1
1.1 心率变异性概念和意义 1
1.1.1 心率变异性的概念 1
1.1.2 心率变异性在诊断心衰中的价值 1
1.2 BP神经网络 3
1.3 本文主要内容 4
2 特征参数的提取 6
2.1 时域分析参数 6
2.1.1 几何图形分析 8
2.1.2 时域分析指标的注意事项 11
2.2 频域分析参数 12
2.2.1 频域分析的基本指标 12
2.2.2 频域分析方法 14
2.2.3 频域分析的注意事项 18
3 基于BP神经网络的分类诊断 19
3.1 BP神经算法简介 19
3.2 BP分类的Matlab实现 20
3.2.1 选定训练测试集 20
3.2.2 预处理 20
3.3 训练和预测 21
3.3.1 不同核函数的比较 24
4 总结 25
参考文献 26
致谢 27
1.1 心率变异性概念和意义
1.1.1 心率变异性的概念
心率变异性(heart rate variability，HRV)是指持续的心跳间隔之间的细小波动, 即为窦性心率的波动转变水平。而两次心搏之间通常存在时间差别，所以心率正常情况下并不是十足的规则的。这个时间差一般为几十毫秒。健康人的心率的周期性变化是一个正常现象，它是由于交感神经和副交感神经随呼吸等因素而发生改变所引起的。传统医学方面的看法以为，平常情况下的心率为有规律的窦性节律；其后察觉到在健康情况下，许多生理系统中都有自然的易变性，在正常情况下的人的心率亦然呈不规则性变化的，而心率变异性就是指这种波动改变的程度的高低。
1.1.2 心率变异性在诊断心衰中的价值
心血管疾病是威迫人类性命的主要疾病之一，心电信号是研究心血管疾病的重要依据，它是伴随心脏博动时产生的微弱电信号，反映了心脏兴奋时的电学方面的举动，是心脏病人病情的一种外在表现。近年来，随着信号处理技术的不断发展，对此微弱电信号的提取技术已经相当完善，心率变异性问题是又一研究热点。这些研究在继心室晚电位、高频电位等心电微电势分析之后。
早在1733年，Hals 在定量测试动脉血压的时刻，就察觉了动脉血压、呼吸周期与心率转变之间存在很大的关联。1903年，在心电图应用于医院实际运用后就出现了对窦性心律不齐的诊断，并发现这种心律不整齐与呼吸是有关系的。1935年，Sam在使用动物进行研究时，就发现心率的变异逐渐消逝，证明了心率变异和迷走神经之间存在着很大的联系。1965年，对于HRV在临床应用上的价值的发现开始，Hon和Lee在产程过程中，发现如果胎儿心率的R-R变化减少，则预示胎儿受迫，需要进行助产手术。在这之后，Sayers等人通过研究，发现了精神负荷与R-R间期存在着相互的作用，Ewing等通过衡量不相同的R-R间隔来检测糖尿病人的自主神经的病变，发现他们的心率变化明显变小。
在1 978年，Wolf等就最先报导了在专研对于“规整”的窦性心律的时刻，在理论上差不多相同的脉搏间期（即R-R间期）在实际上也有着微小的不一样。这种不一样经常需要要通过使用计算机来进行测试才可以发现，他于是把它命名它为“心率变异”，在而后的很多年研究中，Wolf都在致力于解释清楚这一现象的内在机制和在病理生理上的意义，提出通过HRV的变化来反应窦房结水平自主神经调度情况的方式。在临床应用上，首先把其用于对于糖尿病患者的自主神经功用的测试评估。在这之后，有人进行了急性心肌梗塞（AMI）方面的实验，而Rich等认为急性心肌梗塞（AMI）后的HRV的改变，这是由于心血管系统自主神经调节的失衡所导致的，它在于心律失常事件的产生上面具有独立的预测性，有利于在临床上对患病的人群在危险性方面分层；在后来的多项研究上均证实了上面的理论的正确性。之后有人把记录的心电信号先转换为功率谱，然后再进行定量定性的分析，即HRV的频域分析法。时域、频域分析的方法以及后来开发使用的几何图形法，在附加上通过研究需要而采取不同时段来进行长程、短程方面的分析，一起组成了经典、传统方面的HRV分析体系。一段时间之后，关于HRV研究的报告在数量上快速增加，心血管病医生感觉找到了一个基本可以来判定患者预后的有效的手段，心血管病医生对HRV的临床应用方面的前景产生看很大的期望。但90年代后期，随着HRV应用的越来越多，HRV所产生出来的问题也逐渐增多，又不断有研究的结果对于HRV的方法学、病理学的生理意义和临床方面的价值等产生疑问，并对HRV 的20多年来的发展进行再认识、再评价，以期望使这一方法能够在临床工作中得到合理的应用，并从中得到客观的结论。
HRV反应了心脏交感神经和迷走神经运动之间的重要性和平衡性，是一种检测自主神经性活动的非侵占性标准。而且HRV 是神经体液是通过细微的调节产生的结果。这种结果是在心血管系统中的，反映神经和体液方面的要素和窦房结之间关系。这种关系是通过互相作用的产生的平衡。通过研究发现，心率受到身体之中很多因素的影响，且最后表现的方式是通过交感神经与副交感神经的调节。
经过些机理之间的联合调整，一个身体健全的人的心率哪怕在静息的情况下也不是一层不变的，而是不断变化的，当得了少许疾病的时候，体液和神经系统之间存在的内在平衡调度会被破坏，使HRV产生下降。综合归纳各种研究结果可得到，HRV的下降可以得出自主神经调节功用的衰弱或窦房结反应性功用的减小，而后一种情形也会呈现，一般都在自主神经张力太高时。
在HRV信号之中，有着大量的信息，这些大量信息有的关于心血管方面的控制系统，有的关于体液调节。对于这些信息的提取和分析，在生理学研究及临床应用的方面有重要的意义。在生理学考虑之中，HRV对植物神经功效研究供应了很多消息；而在临床使用中，HRV分析不仅在对少许疾病的初期诊断具有重要意义，在中期治疗及预后评价等都均具有很重要意义。
现在已经得到证明，许多疾病比如心肌梗死、心力衰竭、冠性心脏病在发生的时候，都存在显著的特征表现在HRV分析结果上。
目前在HRV方面的解析方法有很多种，这些方法主要有时域分析法，频域分析法。由于生物医学的信号是非线性、非平稳的，采用非线性分析的方法，可以增加HRV作为测量的标志的正确度。在这里面时域分析法和频域分析法有很多的优点。因为它在理论方面成熟、算法方面简单，各项指标意义明确，所以可以运用于临床和医学实验之中。最近这些年来，伴随着在非线性理论方面的研究，研究各种生理节律引起了国内外学者的注意，这种研究一般用非线性动力学方法。这种研究被人们看作可以完全改变生理学的传统方面面貌。目前，HRV的非线性分析还在研究的阶段，它在临床上有着极高的作用。
1.2 BP神经网络
自1985年Rumelhart提出BP算法以来，神经网络的研究和应用就开始快速发展，在之后，神经网络开始运用到各个学科。神经网络算法已经不再是仅仅提供于研究，而开始在实际的生活中开始了极其广阔的应用。例如在函数逼近、模式识别等多个方面。
BP (Back Propagation)神经网络是对误差反向传播算法学习的一个过程，由正方向传播信息和反方向传播误差两个部分组成。输入层中的各个神经元通常来吸收来自于外部的输入方面的信息，并传给中间层部分的各个神经元；中间层是内部信息的处理层，负责信息之间的交换。根据信息改变的需求，中间层可以设定为单个隐层或者多个隐层之间的模子。
BP神经网络的拓扑结构如下图1-1所示。
查看完整请+Q:351916072获取
关键词：BP神经网络 心率变异性 归一化 非线性函数拟合
The BP neural network used in the diagnosis of heart failure
BP(Back-Propagation) neural network is a kind of multilayer feed forward neural networks and is one of the most sophisticated neural network models of several studies currently known with good self-learning and adaptive ability which are widely used in pattern recognition, function approximation and image processing and other fields. With the time development, China has gradually entered the aging society and accompanied by an aging society. An older person often occurs in a variety of diseases caused more concern. And cardiovascular disease is a major disease in the elderly accompanied by arrhythmias, heart failure and other problems. HRV (heart rate variability, HRV) refers to the continuous fluctuations between the hearts of the tiny or fluctuations in the degree of change that sinus rhythm. One noninvasive detection index ECG heart rate variability is receiving more attention in recent years and can be used for evaluation of cardiac autonomic function and associated pathological conditions, is an important thing of heart failure discuss. In this paper, by extracting some features HRV frequency domain and time domain parameters, the use of normalized and non-linear function fitting through mat lab function, and ultimately get a BP neural network prediction function, to be able to distinguish between a person's initial whether it is the function of heart failure patients.
Keywords: BP neural network; heart rate variability; normalization; non-linear function fitting
目录 查看完整请+Q:351916072获取
1 绪论 1
1.1 心率变异性概念和意义 1
1.1.1 心率变异性的概念 1
1.1.2 心率变异性在诊断心衰中的价值 1
1.2 BP神经网络 3
1.3 本文主要内容 4
2 特征参数的提取 6
2.1 时域分析参数 6
2.1.1 几何图形分析 8
2.1.2 时域分析指标的注意事项 11
2.2 频域分析参数 12
2.2.1 频域分析的基本指标 12
2.2.2 频域分析方法 14
2.2.3 频域分析的注意事项 18
3 基于BP神经网络的分类诊断 19
3.1 BP神经算法简介 19
3.2 BP分类的Matlab实现 20
3.2.1 选定训练测试集 20
3.2.2 预处理 20
3.3 训练和预测 21
3.3.1 不同核函数的比较 24
4 总结 25
参考文献 26
致谢 27
1.1 心率变异性概念和意义
1.1.1 心率变异性的概念
心率变异性(heart rate variability，HRV)是指持续的心跳间隔之间的细小波动, 即为窦性心率的波动转变水平。而两次心搏之间通常存在时间差别，所以心率正常情况下并不是十足的规则的。这个时间差一般为几十毫秒。健康人的心率的周期性变化是一个正常现象，它是由于交感神经和副交感神经随呼吸等因素而发生改变所引起的。传统医学方面的看法以为，平常情况下的心率为有规律的窦性节律；其后察觉到在健康情况下，许多生理系统中都有自然的易变性，在正常情况下的人的心率亦然呈不规则性变化的，而心率变异性就是指这种波动改变的程度的高低。
1.1.2 心率变异性在诊断心衰中的价值
心血管疾病是威迫人类性命的主要疾病之一，心电信号是研究心血管疾病的重要依据，它是伴随心脏博动时产生的微弱电信号，反映了心脏兴奋时的电学方面的举动，是心脏病人病情的一种外在表现。近年来，随着信号处理技术的不断发展，对此微弱电信号的提取技术已经相当完善，心率变异性问题是又一研究热点。这些研究在继心室晚电位、高频电位等心电微电势分析之后。
早在1733年，Hals 在定量测试动脉血压的时刻，就察觉了动脉血压、呼吸周期与心率转变之间存在很大的关联。1903年，在心电图应用于医院实际运用后就出现了对窦性心律不齐的诊断，并发现这种心律不整齐与呼吸是有关系的。1935年，Sam在使用动物进行研究时，就发现心率的变异逐渐消逝，证明了心率变异和迷走神经之间存在着很大的联系。1965年，对于HRV在临床应用上的价值的发现开始，Hon和Lee在产程过程中，发现如果胎儿心率的R-R变化减少，则预示胎儿受迫，需要进行助产手术。在这之后，Sayers等人通过研究，发现了精神负荷与R-R间期存在着相互的作用，Ewing等通过衡量不相同的R-R间隔来检测糖尿病人的自主神经的病变，发现他们的心率变化明显变小。
在1 978年，Wolf等就最先报导了在专研对于“规整”的窦性心律的时刻，在理论上差不多相同的脉搏间期（即R-R间期）在实际上也有着微小的不一样。这种不一样经常需要要通过使用计算机来进行测试才可以发现，他于是把它命名它为“心率变异”，在而后的很多年研究中，Wolf都在致力于解释清楚这一现象的内在机制和在病理生理上的意义，提出通过HRV的变化来反应窦房结水平自主神经调度情况的方式。在临床应用上，首先把其用于对于糖尿病患者的自主神经功用的测试评估。在这之后，有人进行了急性心肌梗塞（AMI）方面的实验，而Rich等认为急性心肌梗塞（AMI）后的HRV的改变，这是由于心血管系统自主神经调节的失衡所导致的，它在于心律失常事件的产生上面具有独立的预测性，有利于在临床上对患病的人群在危险性方面分层；在后来的多项研究上均证实了上面的理论的正确性。之后有人把记录的心电信号先转换为功率谱，然后再进行定量定性的分析，即HRV的频域分析法。时域、频域分析的方法以及后来开发使用的几何图形法，在附加上通过研究需要而采取不同时段来进行长程、短程方面的分析，一起组成了经典、传统方面的HRV分析体系。一段时间之后，关于HRV研究的报告在数量上快速增加，心血管病医生感觉找到了一个基本可以来判定患者预后的有效的手段，心血管病医生对HRV的临床应用方面的前景产生看很大的期望。但90年代后期，随着HRV应用的越来越多，HRV所产生出来的问题也逐渐增多，又不断有研究的结果对于HRV的方法学、病理学的生理意义和临床方面的价值等产生疑问，并对HRV 的20多年来的发展进行再认识、再评价，以期望使这一方法能够在临床工作中得到合理的应用，并从中得到客观的结论。
HRV反应了心脏交感神经和迷走神经运动之间的重要性和平衡性，是一种检测自主神经性活动的非侵占性标准。而且HRV 是神经体液是通过细微的调节产生的结果。这种结果是在心血管系统中的，反映神经和体液方面的要素和窦房结之间关系。这种关系是通过互相作用的产生的平衡。通过研究发现，心率受到身体之中很多因素的影响，且最后表现的方式是通过交感神经与副交感神经的调节。
经过些机理之间的联合调整，一个身体健全的人的心率哪怕在静息的情况下也不是一层不变的，而是不断变化的，当得了少许疾病的时候，体液和神经系统之间存在的内在平衡调度会被破坏，使HRV产生下降。综合归纳各种研究结果可得到，HRV的下降可以得出自主神经调节功用的衰弱或窦房结反应性功用的减小，而后一种情形也会呈现，一般都在自主神经张力太高时。
在HRV信号之中，有着大量的信息，这些大量信息有的关于心血管方面的控制系统，有的关于体液调节。对于这些信息的提取和分析，在生理学研究及临床应用的方面有重要的意义。在生理学考虑之中，HRV对植物神经功效研究供应了很多消息；而在临床使用中，HRV分析不仅在对少许疾病的初期诊断具有重要意义，在中期治疗及预后评价等都均具有很重要意义。
现在已经得到证明，许多疾病比如心肌梗死、心力衰竭、冠性心脏病在发生的时候，都存在显著的特征表现在HRV分析结果上。
目前在HRV方面的解析方法有很多种，这些方法主要有时域分析法，频域分析法。由于生物医学的信号是非线性、非平稳的，采用非线性分析的方法，可以增加HRV作为测量的标志的正确度。在这里面时域分析法和频域分析法有很多的优点。因为它在理论方面成熟、算法方面简单，各项指标意义明确，所以可以运用于临床和医学实验之中。最近这些年来，伴随着在非线性理论方面的研究，研究各种生理节律引起了国内外学者的注意，这种研究一般用非线性动力学方法。这种研究被人们看作可以完全改变生理学的传统方面面貌。目前，HRV的非线性分析还在研究的阶段，它在临床上有着极高的作用。
1.2 BP神经网络
自1985年Rumelhart提出BP算法以来，神经网络的研究和应用就开始快速发展，在之后，神经网络开始运用到各个学科。神经网络算法已经不再是仅仅提供于研究，而开始在实际的生活中开始了极其广阔的应用。例如在函数逼近、模式识别等多个方面。
BP (Back Propagation)神经网络是对误差反向传播算法学习的一个过程，由正方向传播信息和反方向传播误差两个部分组成。输入层中的各个神经元通常来吸收来自于外部的输入方面的信息，并传给中间层部分的各个神经元；中间层是内部信息的处理层，负责信息之间的交换。根据信息改变的需求，中间层可以设定为单个隐层或者多个隐层之间的模子。
BP神经网络的拓扑结构如下图1-1所示。
查看完整请+Q:351916072获取
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/gdxx/494.html
