一、心室电活动对胸表心电场的影响及其心电图表现(论文文献综述)
丁芳媚[1](2018)在《基于呼吸补偿的导管定位及心内膜自动标测技术研究》文中提出心房颤动(Atrial Fibrillation)是临床上最常见的心律失常,患病率估计从一般人群的1%到80岁人群的17%不等。近年来,微创型导管消融术作为治疗持续性和阵发性房颤的有效方法得到广泛的应用,心内膜标测技术作为导管消融的核心技术也被越来越多的人研究及应用。心内膜标测是一种心脏电解剖标测方法,可以在非X射线下进行实时导管定位,建立三维可视化模型,准确定位消融靶点。心内膜标测技术主要包括空间标测(导管定位)和时间标测(激动顺序)两部分。空间标测主要表现为非X射线的心内导管定位,时间标测主要通过心电特征识别进行激动顺序标测。目前基于电场的导管空间定位及其心内电生理标测方法是临床上广泛采用的一种心内膜标测方法,然而定位精度不高及标测难度大等问题:一方面,受定位电场静态畸变和动态干扰影响,定位准确度和稳定性都相对较低;另一方面,对于心内膜标测,目前国内主要以手动标测为主,手术门槛高且标测时间长,且心电特征识别和自动获取有效心跳的标准仍没有统一的解决标准。为此,本文重点围绕心内膜标测技术中的导管定位和心内膜自动标测这两个关键问题开展了深入地研究和探讨。首先,全面分析影响电场定位精度的各种干扰因素;其次,提出针对定位电场静态畸变的非线性配准方法和针对动态呼吸的自适应补偿技术,以期消除干扰和提高心内导管电场定位的准确度;再者,进一步通过对体表QRS和心内A波和V波的自动识别,通过设计自动判断有效心跳的标准和自动计算相对激动时间,初步探讨了心内膜自动标测技术。本文的主要创新点及贡献如下:1、围绕定位电场在心脏内的静态畸变,基于集成化生物电场有限元求解平台SCIRun,建立了相应的数值模型,并求解分析了静态畸变的影响;同时,结合磁定位信号,通过非线性配准对定位电场的这种静态畸变进行有效校准补偿。2、提出了基于主成分及相关性分析的多参数加权呼吸信号提取方法,即通过心内及体表呼吸信号源,提取稳定的呼吸信号,并对定位电场进行呼吸动态自适应补偿,提高电场定位准确度。3、提出了基于体表QRS及心内A波和V波自动识别的自动标测方法,设计了自动获取有效心跳标准和相关算法,初步探讨了心内膜的电生理自动标测。本文的研究工作旨在解决心脏三维电生理标测中的心内导管定位和心内膜自动化标测问题:一方面从原理分析、数值仿真和动物实验深入分析定位电场的静态畸变和动态呼吸干扰对心内导管电场定位的影响,相应地提出了非线性配准矫正定位电场的静态畸变以及对定位电场动态呼吸干扰进行自适应补偿,以期将该技术用于心内膜标测系统,有效提高定位电场中导管定位精度和临床房颤消融成功率。另一方面,给出了基于电生理激动标测的心内膜自动标测方法,通过体表QRS波群和心内A波和V波识别计算相对激动时间,初步实现了基于自动选取有效心跳标准的心内膜自动标测,该技术或将有助于提高临床心内膜的标测效率。
金大年[2](2017)在《室颤波形分析用于预测除颤结果的优化方法研究》文中研究表明心脏骤停是指在未能预计的情况下心脏突然停止搏动,从而导致有效的心脏射血功能的突然终止,引起重要器官(如脑)严重的缺血、缺氧,如不及时抢救将导致生命终止。80%以上的心脏骤停发生在院外,它是全世界范围内引起患者死亡的主要原因之一。每年美国和加拿大两国因此丧生的人数均超过30万。统计数据显示我国每年死于心脏骤停的总人数达55.4万之多。为了提高心脏骤停患者的存活率,各国科学家和医务人员都做出了极大的努力,但是结果仍然令人失望。据报道,欧洲心脏骤停患者存活率约为10%-20%,美国约为8-12%,而我国仅为2%。针对心脏骤停的患者,目前主要是通过心肺复苏(Cardiopulmonary Resuscitation,CPR)进行救治。CPR是针对心脏骤停而采取的一系列救治措施,以建立有效的血液循环,提高心输出量,保护心脑等重要器官。尽早CPR和尽早除颤是院外心脏骤停(Out of Hospital Cardiac Arrest,OHCA)患者急救中非常关键的两个步骤,对于患者的自主循环恢复(Restoration of Spontaneous Circulation,ROSC)以及患者的抢救成功起着至关重要的作用。有研究报道指出,如果进行了胸外按压的干预,从患者发生室颤(Ventricular Fibrillation,VF)开始计算,除颤时间每延迟一分钟,成功率将降低3-4%;而在没有进行胸外按压的情况下,每延迟一分钟,成功率就将降低7-10%。随着体外除颤仪的广泛应用,早期除颤对于抢救VF患者的重要性已被广泛熟知。然而,新的证据表明,并非所有VF患者都可以从相同的治疗方式中受益。对动物和心脏骤停的研究都表明,VF发生后的3分钟内立即除颤通常会引起ROSC。然而,当VF持续时间超过4-5分钟而未得到治疗时,在除颤前进行胸外按压可以提高心脏组织电活动和脉搏恢复的可能性。不必要的电击不仅减少胸外按压时间,还可能导致VF恶化为心室静止(Asystole)或无脉性电活动(Pulseless Electrical Activity),这使得CPR更加困难。另一方面,重复无效的高能量除颤将会导致心肌受损,使得生存几率降低。由于上述原因,获得关于心肌的代谢状态信息从而优化除颤时机,将为个性化的心脏救治提供巨大的益处。为了找出一个更好的除颤和ROSC的预测指标,人们开始关注VF波形的心电图特征分析。目前常用的自动体外除颤仪(Autometic External Defibrillator,AED)无一例外地都会获取心电图波形。从身体表面记录到的心电图信号是由心脏的每个心肌单元产生的所有电场的叠加。据推测,体表组织的心电图与心肌组织的电活动具有某些关系。因为VF波形的特征随着时间和CPR变化,并且具有对除颤成功的预测能力,所以对VF波形的定量分析可以被用来预测VF的持续时间和电击除颤成功的概率,从而优化除颤的时机,并最终指导CPR。近年来,各种数字信号处理方法,包括时域分析法、频域分析法、时频分析法、非线性分析法和组合分析法,被用于VF信号的波形特征分析,并进一步用于预测OHCA患者除颤结果的研究。虽然在动物实验和临床研究中,VF波形分析已在对除颤结果的预测方面取得了一定的进展,但要实现在临床实践中对除颤时机的优化还有一定的距离,主要体现在以下几个方面。1、虽然在过去的二十年里,人们已经研究了许多VF特征用于预测除颤结果,包括时域、频域和非线性方法等,但只有少量研究通过使用机器学习的策略,来试图结合不同VF波形特征以提高预测性能。多元预测特征组合与单一预测特征相比,是否能够提高除颤结果的预测能力仍然没有定论。2、由于通过提供互补的信息结合多个VF波形特征可以提高对除颤结果的预测能力,一些研究已尝试使用机器学习理论结合不同特征来提高预测性能。早期试验把VF波形特征与临床因子相结合,如患者的年龄、性别和救护车响应时间等,但预测性能没有得到明显改善。因此,但是否结合患者的内在信息可以提高除颤预测的准确性仍然是一个需要进行研究的课题。3、虽然VF波形分析已被证明能提高对除颤结果的预测能力,并可以作为优化除颤时机的一种有效的方案,但由于缺乏对除颤和CPR成功的统一定义,使得我们很难对两个预测因子的性能进行比较。4、在临床应用中,电击除颤的效率高度依赖于所使用的除颤波形。每当新的除颤波形或技术问世,它们的效率需要被准确的评估,并和现有的方法进行比较。目前比较除颤效率的普通方法是评估和比较个体除颤阈值(Defibrillation Threshold,DFT),这种方法构建剂量响应曲线或应用上下阈值法。因为这种方法是通过计算重复序列的电击除颤,不可避免的会产生每一次测量和每一个体的差异,这就在平行比较时产生了相当大的不确定性。针对这些问题,本研究的目的是优化用于预测除颤结果的VF波形分析方法。本研究的主要工作包括:1.研究了组合多种VF波形特征对除颤结果预测性能的影响。选择和计算了16种在以前的临床研究中具有良好预测能力的心电图波形特征的组合,通过不同的机器学习策略(包括逻辑回归、人工神经网络和支持向量机),对1617名患者的3828次除颤进行研究,以提高预测除颤结果的能力。通过受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)、ROC下面积(Area Under ROC Curve,AUC)、灵敏度(Sensitivity)、特异性(Specificity)、阳性预测率(Positive Predictive Value)、阴性预测率(Negative Predictive Value)和预测准确率(Prediction Accuracy)等指标来评估预测能力。1050名患者的2447次除颤数据作为训练集,567名患者的1381次除颤数据作为验证集。通过对大量的OHCA患者的研究表明,与VF波形幅度相关特征比其他特征拥有更好的预测除颤结果的能力。与单一特征相比,组合多个特征并没有进一步提高预测性能。2.研究了结合患者除颤相关信息对除颤结果预测性能的影响。分析了来自199名OHCA患者的总共528次除颤。使用幅度谱面积(Amplitude Spectral Area,AMSA)来量化在每次除颤之前的VF波形。通过神经网络结合前一次除颤指数(Previous Shock Index)与AMSA和ΔAMSA(连续两次除颤间AMSA的变化量)对来自99名患者的255次连续除颤的训练数据集进行测试。在包含100名患者的273次除颤的验证数据集中,通过AUC、灵敏度、阳性预测率、阴性预测率和预测准确率等指标,将组合方法的性能与基于单一预测特征的AMSA的性能进行了比较。在我们这项回顾性研究中,使用神经网络结合AMSA与前一次的除颤信息显着提高了对后续除颤结果的预测性能。3.研究了除颤成功的定义对除颤结果预测能力的影响。对以VF为初始节律的257名OHCA患者的554次除颤进行分析。在120秒连续的时间段内,每5秒对电击除颤后的节律进行分析,并注释为VF、心室静止和节律性心电(Organized Rhythm)。三个除颤成功的定义被用于评价AMSA的预测能力:(1)室颤终止(Termination of VF,ToVF);(2)有节律电活动恢复(Return of Organized Electrical Activity,ROEA);(3)潜在灌注节律恢复(Return of a Potentially Perfusing Rhythm,RPPR)。对于OHCA患者,除颤后1分钟内节律不稳定。AMSA预测性能的变化取决于除颤成功的定义,而且RPPR是一个更具有临床意义的观察终点。4.提出了一种用于比较不同除颤波形效率的组合上下阈值法。我们首先通过理论证明:两个不同的剂量响应曲线之间的差值,可以利用另外一条虚拟的剂量响应曲线下的面积来估计。然后,我们详细说明了组合上下阈值法的实验过程。最后,我们在一个成年猪的心脏骤停模型中使用该方法来比较两种常用的双相除颤波形的除颤效率。组合上下阈值法和传统的方法相比更加灵敏,同时只需要更少的除颤次数即可完成比较。本文首次通过研究组合多种VF波形特征以及结合患者除颤相关信息对除颤结果预测能力的影响,并探讨了除颤成功的定义对除颤结果预测能力的影响,以期提高基于VF波形分析的除颤结果预测方法。研究结果表明:组合多个VF波形特征并不能进一步提高除颤结果的预测能力,但结合患者除颤相关信息显着提高了对后续除颤结果的预测性能,且除颤成功的定义会影响VF波形特征对除颤结果的预测性能。这些结果为进一步优化CPR和电击除颤,为有效提高CPR的成功率提供了可行的解决方案。
刘海德[3](2015)在《缝隙连接蛋白43在异丙肾上腺素及快速电场起搏犬心房肌细胞模型中的作用研究》文中研究指明目的采用RNA干扰技术将Cx43基因沉默,建立Cx43低表达犬心房肌细胞模型。通过异丙肾上腺素及快速电场起搏犬心房肌细胞,建立交感性房颤细胞模型,探讨Cx43低表达对犬心房肌细胞缝隙连接通道传导功能的作用。方法1.Cx43低表达犬心房肌细胞的转染及测定。将犬心房肌细胞体外培养并分为3组:Cx43正常表达(NE)组,不行任何处理;阴性对照(NC)组,miRNA-NC转染48小时;Cx43低表达(LE)组,Cx43siRNA转染48小时。荧光定量PCR(RT-PCR)检测心房肌细胞Cx43mRNA表达水平,western blotting(WB)检测心房肌细胞Cx43蛋白表达水平。2.缝隙连接蛋白43在异丙肾上腺素及快速电场起搏心房肌细胞模型中的研究。①将犬心房肌细胞体外培养并分为4组:对照组,不行任何处理;异丙肾上腺素组,异丙肾上腺素灌流30分钟;电场高频刺激组,电场高频刺激24小时;异丙肾+电场刺激组,异丙肾上腺素灌流30分钟,电场高频刺激24小时。RT-PCR检测心房肌细胞Cx43 mRNA表达水平,WB检测心房肌细胞Cx43蛋白表达水平。②将犬心房肌细胞体外培养并分为8组:阴性对照(NC)组,miRNA-NC转染48小时;NC异丙肾上腺素组,miRNA-NC转染48小时,异丙肾上腺素灌流30分钟;NC电场高频刺激组,miRNA-NC转染48小时,电场高频刺激24小时;NC异丙肾+电场刺激组,miRNA-NC转染48小时,异丙肾上腺素灌流30分钟,电场高频刺激24小时;Cx43低表达(LE)组,Cx43siRNA转染48小时;LE异丙肾上腺素组,Cx43siRNA转染48小时,异丙肾上腺素灌流30分钟;LE电场高频刺激组,Cx43siRNA转染48小时,电场高频刺激24小时;LE异丙肾+电场刺激组,Cx43siRNA转染48小时,异丙肾上腺素灌流30分钟,电场高频刺激24小时。RT-PCR检测心房肌细胞Cx43mRNA表达水平,免疫荧光(IF)检测心房肌细胞Cx43蛋白表达水平,划痕标记染料示踪(SLDT)检测心房肌细胞缝隙连接通道的细胞通讯功能。结果1.与NE组及NC组比较,LE组心房肌细胞Cx43 mRNA和Cx43蛋白表达量均显着减少(P<0.05)。2.①与对照组比较,异丙肾上腺素组Cx43mRNA和Cx43蛋白的表达量无明显改变(P>0.05),电场高频刺激组和异丙肾上腺素联合电场高频刺激组Cx43 mRNA和Cx43蛋白的表达量均显着减少(P<0.05)。②与NC各组比较,LE各组心房肌细胞Cx43 mRNA和Cx43蛋白表达量均明显减少(P<0.05),LE各组罗氏黄荧光在划痕附近心房肌细胞传递的距离明显缩短(P<0.05)。结论1、短暂的异丙肾上腺素刺激不影响犬心房肌细胞Cx43表达,而电场高频刺激和异丙肾上腺素联合电场高频刺激均可抑制犬心房肌细胞Cx43的表达。2、LV-Cx43siRNA可以显着抑制犬心房肌细胞Cx43表达,构建Cx43低表达犬心房肌细胞模型。3、心房肌细胞Cx43表达降低可导致细胞间缝隙连接通道信号传导功能障碍,可能对交感性房颤的发生和维持起重要作用。
何浩书[4](2014)在《基于小波变换实现心电信号噪声最优处理》文中研究说明心电信号是人类最早研究人体并用于对心脏功能状态进行评估和检测的生物医学信号。心电信号诊断技术因具有无创性和简便性,在医学临床诊断上得到广泛应用,为心血管等疾病的诊断提供心脏电生理信息,具有重要的参考价值。人体心电信号十分微弱,具有较强不可预测性,稍有噪声就会导致心电信号失真,平稳提取有效心电信号难度较大,因此,心电信号的去噪研究一直是广泛关注的课题。为了去除心电信号中的噪声干扰,本文提出了一种基于小波变换实现心电信号最优去噪算法。本论文工作主要体现在以下几个方面:1.全面阐述心电信号原理,分析比较消噪方法。联系人体生理特点来分析和把握心电信号波形特征和心电信号噪声来源,通过对常用降噪方法的总结和比较,提出新消噪算法的设想。相比常用降噪方法,新算法将在较好抑制噪声的同时很好保留心电信号波形特征。2.以小波变换为理论基础,对小波去噪方法进行研究。针对含噪信号建立基本数学模型,从分析信号和噪声的不同特征入手,对小波去噪方法进行比较。总结出传统心电信号小波去噪法是先将含噪信号分解到任意细节,然后根据信号和噪声在小波变换后表现出截然不同的特性来设定阈值区分信号和噪声小波系数,从而实现去噪目的。采用传统心电信号小波去噪法仿真,并阐述了不足之处。3.针对传统去噪法的不足提出了最优去噪法。通过对常用小波数学特性和小波基函数选取规则的分析,以及阈值选取和施加方式、分解层数、去噪评价依据的论述,设计出小波基函数、最优阈值和重调值的选取方法。4.根据去噪评价依据选择最优参数去噪,评判心电信号去噪效果。以MIT-BIH国际标准数据库中心电信号、人体采集心电信号和计算机程序模拟心电信号为研究对象,采用最优去噪法仿真,并在计量检定中进行实际应用。结果表明,在相同条件和环境中采集到的心电信号,最优去噪法的去噪效果明显优于传统小波去噪法,在去除含有多种混合噪声的心电信号中也表现出特有的优势。
赵烨南[5](2011)在《基于MF-DFA和Hurst指数的心电病理信号分析》文中进行了进一步梳理心电图信号的分析与诊断是目前信号处理领域中的研究热点之一,有效识别和诊断心脏疾病将有力地促进医疗事业的发展和人们健康水平的提高。本文主要研究在临床上常见的心电病理信号的特点。多重分形是非线性科学研究中十分活跃的一个新分支,它作为分形几何领域的一个主要发展方向,现在已被广泛应用于各个学科领域。本文在去趋势波动分析(DFA)基础之上结合多重分形,即MF-DFA的方法来研究心电图信号的多重分形特性,以对临床诊断起到一定的辅助作用。依次对正常心电信号及窦、房性心律失常信号的Hurst指数、Renyi指数及其多重分形谱依次进行了分析,发现三种信号都具有不同程度的长程相关性和多重分形特性,在波动函数的阶数为正值时,三种信号的长程相关特性区别明显。然后通过统计分析多重分形谱的分布范围来区分病理信号。最后,文章采用了重标极差方法(R/S分析法),分析了正常心电信号、充血性心力衰竭和心脏性猝死的Hurst指数,从而来区分这三种常见心电信号。试验结果表明,这三种信号的Hurst指数值有所不同,但都大于0.5,说明都有长期相关的特性,其中正常信号相关性最强,充血性心力衰竭次之,心脏性猝死最弱,因此Hurst指数可以作为识别充血性心力衰竭和心脏性猝死的一种判据。此研究对临床医学诊断区分心电病理信号与正常心电信号有很好的借鉴意义。
周翔[6](2010)在《鸡胚心脏心电位场电势分布的研究》文中研究表明目的探讨心电位场电势分布的本质。方法在电导率不同的3种液态媒质中,将参比点置于远离心电场源的近零电位处,分别采集60个5日龄鸡胚心脏2组相反方向上若干离场源不同距离的测试点的心电图。结果在2种电导率不同的液态媒质中,4个测试方向上所有采取点都记录到以正波为主的心电图;相同媒质相反方向相同距离点上记录的正立心电图,其R(r)波的振幅无统计学差异(P>0.05)。结论排除了导联参比点对心电标测的影响,以及多腔室壁厚薄的纷扰,心电位场电势一致向外的分布方式,表明心脏电位场不是偶极场,而可能是拟球状面分布的类单源场。
李永勤[7](2007)在《心肺复苏自动化过程中的关键算法研究》文中指出心脏骤停(cardiac arrest,CA),又称心源性猝死(sudden death)是指心脏的机械活动停止,同时左心室收缩不足或停止收缩。在美国每年大约有22.5万人死于院外(Out-of-hospital)心源性猝死,同时每年约有37~75万住院病人因心脏骤停实施心肺复苏术(cardiopulmonary resuscitation,CPR)。我国虽然还没有确切的心源性猝死的流行病学资料,但专家估计这个数字会达到每年600万人。由于心脏骤停常是冠心病的首发表现形式,有效的心肺复苏是抢救这类患者的唯一途径。心肺复苏是通过对心脏骤停的快速识别和积极抢救,人工重建或恢复自主呼吸与循环,避免发生心肺脑功能不全。快速采取基本生命支持(basic life support,BLS)是心肺复苏成功的关键。心脏骤停有两种不同的形式。一种是由于节律失常引起的心脏骤停(dysarhithmic cardiac arrest),另一种是因为呼吸停止引起的心脏骤停(asphyxial or respiratory cardiac arrest)。前一种类型的心脏骤停患者大都出现心室颤动(ventricular fibrillation,VF),而后一类心脏骤停则是由于溺死、药物过量或外伤引起,只有约5%~15%的患者出现心室颤动。对前一类型的患者强调早期除颤和即时的心肺复苏,而对后一种类型的患者则需要实施有效的胸外按压和人工通气治疗。目前心肺复苏有效的抢救成功率依然很低,只有对其不断改进才有可能降低死亡率,这主要是由于以下三个原因引起的。(1)心肺复苏开始得比较晚,包括胸外按压和人工通气。(2)胸外按压的效率较低以及频繁间断。(3)电击除颤不及时造成抢救时机的延误。心室颤动如不及时去除可在数分钟内转为心室静止(asystole)。为了增加早期除颤的机会,尽量缩短除颤时间,体外自动除颤仪(automatic external defibrillator, AED)应运而生。AED的最大特点是提高了电击除颤的自动化程度,是专为非医务人员和初级救生员设计使用的,其识别心室颤动的敏感性与特异性均超过94%。抢救人员只要发现患者意识丧失,无脉搏就可将AED置于患者的胸壁上并启动开关,AED感知心电信号,如能识别出室性心动过速(Ventricular Tachycardia,VT),或心室颤动,就可自动除颤。应用AED后的研究显示,与单纯的基础生命支持相比可明显提高存活率。美国AHA和IAFC已要求每辆急救车和消防车均需配备AED。随着AED的推广和普及,可以期望更多的生命将会被挽救。由于心脏骤停患者绝大部分(60%-70%)发生在院前,而且在常温下心脏停搏5分钟后脑细胞即可发生不可逆损害,10分钟后脑细胞死亡。在此期间如果不实施心肺复苏术,则心脏的电活动就会逐渐消失,最后出现心室静止,心电图出现一条直线。心肺复苏和药物治疗可能会增加缺血心肌的血液和氧气循环,从而将心室静止转变为心室颤动,而后方可电击除颤。因心室静止和心室颤动期间心脏停止收缩,因此无法检测到脉搏信号。如果心脏只存在心肌的电活动而没有相应的机械收缩,则称为心电机械分离(electromechanical dissociation,EMD)或无脉搏心电活动(pulseless electrical activity, PEA)。这种情况常会出现在药物治疗或心肺复苏但没有实施电击除颤,或由心室颤动转变为心室静止的过程中。目前心肺复苏有一个标准的操作指南(the international guidelines),它根据对呼吸、脉搏以及心电节律的检测来确定相应的复苏措施。而目前使用的AED只能根据患者的心电波形做出相应的节律分析决定是否需要电击除颤,其它如呼吸检测、脉搏检查等均需要由目击者或抢救人员来判断。为实现心肺复苏的全自动化,目前仍需要解决以下一些问题:(1)胸外按压过程中的心电节律识别。心脏骤停患者的存活率随心室颤动持续时间的延长而迅速降低,平均每分钟下降约7%~10%。当施行电击除颤的时间延迟10~12分钟以上时,存活的可能性几乎为零。尽早应用基础的心肺复苏,并尽快实施电击除颤,可有效提高心脏骤停患者的存活率。但目前使用的体外自动除颤仪在实施电击除颤之前需要反复进行节律分析。否则如果将正常的非除颤心室搏动节律误判为除颤节律,并实施不必要的电击,那么将会对病人的心脏产生极大的损伤,并导致严重的后果。因此为确保心室颤动的正确识别,在节律分析期间,必须停止对病人的胸外按压和通气过程。这一过程大约需要12至20秒的时间。在这一过程中,电击除颤的成功率因为室颤时间的延长而大大降低,尤其是在院外病人的复苏期间。因此如果能有一种比较可靠的心室颤动节律识别算法,即使是在对病人实施胸外按压期间也能对心电波形进行可靠分析,那么病人存活的几率将会得到有效提高。(2)胸外心脏按压的有效性监测分析。胸外心脏按压的质量也是成功复苏的关键,包括按压深度、按压频率和胸廓的回弹程度。尤其的恰当的按压深度,它是保持一定冠状动脉灌注压(coronary perfusion pressure,CPP)的关键。但是,研究表明许多心脏骤停患者在心肺复苏过程中没有得到有效的胸外按压,主要表现在按压频率较低、按压深度不足以及没有保持适当的循环血流。而在院外急救过程中,胸外按压由于没有得到有效的监测,整个过程就只能靠抢救者的感觉和视觉判断。随着复苏过程的进行,急救人员急需了解胸外按压的效果以及由此产生的病人心脏血流的变化,从而实施进一步的治疗,包括优化电击除颤或继续胸外按压治疗。(3)实时呼吸及脉搏检测。在过去的20年里,心室颤动或室性心动过速在心脏骤停中出现的比例逐渐下降,已经低于50%,而无脉搏心电活动PEA及其它类型的心脏骤停所占比例并没有改变。心室颤动的下降通过心室静止增加得以补偿。这就要求第一目击者或急救人员快速判断病人在失去意识的情况下,是否具有呼吸、脉搏或者足够的血液循环。但这两项指标的检测对院外急救来说却非常困难。因为传统脉搏检测是通过感触病人颈动脉的搏动来实现的,呼吸检测则是通过贴近病人嘴部感觉呼吸气流和观察胸腔的变化来实现。这些适用于普通人群的方法,很难应用于心跳和呼吸极其微弱的冠心病患者。若不能准确地检测呼吸与脉搏,就不能正确区分由于节律失常和窒息引起的心脏停搏,并实施正确的复苏措施。针对以上心肺复苏过程中的问题,我们扩展了目前AED使用的心电采集及除颤电极功能,利用一对胸前除颤电极实现心电信号与胸阻抗信号的采集分析。通过对按压过程中心电信号的分析实现对胸外按压效果的监测,通过对胸阻抗信号的处理实现微弱呼吸与脉搏信号的检测,实现了心肺复苏的自动化实现方案,其中的主要算法包括:(1)不间断胸外按压过程中的心电节律识别算法。采用基于连续小波变换及形态一致性评估的分析方法实现对心电信号的节律识别。通过对心电信号中R波形态一致性的量化分析,可以区别规则性心电节律(organized rhythm)和不规则心电节律(disorganized rhythm)。对于规则性心电节律,通过连续小波变换中R波峰值出现的频率来估计心率的变化,以区别室性心动过速与正常节律。而对于不规则性心电信号,则通过幅度频率谱面积分析来区分心室颤动与心室静止。(2)胸外按压有效性的监测与电击除颤的优化算法。早期对胸外按压有效性的监测通过对心室颤动信号的幅度分析来实现。此后动物与临床实验研究表明,心室颤动信号的频率与CPP呈相关性。但由于心电信号的幅度与频率均因病人的个体差异而对实验结果有较大的影响。本研究小组将心电信号的幅度与频率相结合,提出了一种基于幅度频率谱面积的分析方法,它定义为一定频带宽度下信号功率谱所包含的面积。我们期望这种用于对电击除颤优化分析的方法可扩展应用于对胸外按压有效性的实时监测中。(3)实时呼吸及脉搏检测分析算法。利用心电检测/除颤用电极提取的胸阻抗信号由两部分组成:一是包含了频率较低但幅度较高的呼吸阻抗信号,二是频率略高但幅度较低的反映心脏机械活动的心阻抗信号。我们用心电信号作为参考,利用自适应滤波器将呼吸阻抗信号和心阻抗信号相分离。最后用峰值检测算法利用检测到的心阻抗信号幅度,判断检测脉搏信号的有无,并用呼吸阻抗信号的幅度估计潮气量的大小,从而确定呼吸的类别。为检验这些算法的有效性,我们对不同的算法进行了相应的实验设计与临床实验。对用AED记录的232例院外心脏骤停患者的心电信号分析结果表明,所提出的自动心电节律分析算法可以实现在胸外按压不间断情况下对心电节律的可靠分析。对除颤信号的检测敏感率为93%,特异性为89%。在一组由心律失常引起的心脏骤停动物模型中,幅度频率谱面积分析与CPP分析结果具有良好的相关性,并且对电击除颤结果的预测具有较高的准确性。在另一个由窒息引起的心脏骤停动物模型中,由心脏机械活动引起的心阻抗信号变化与脉搏电压具有良好的相关性,而由呼吸引起的呼吸阻抗信号的变化则与呼吸潮气量的变化正相关。临床研究结果表明,通过对脉搏及呼吸信号的无创检测,本研究提出的算法能够正确地区分因心律失常和窒息引起的不同类型的心脏骤停,从而及时地提示急救人员实施相应的复苏方案。而在不间断胸外按压情况下对心电节律的实时分析,则有效地避免了因节律分析造成的延误,提高患者的存活率,同时可以避免不必要或不成功的电击除颤,较好地解决了当前心肺复苏过程中存在的不足,实现了心肺复苏的全自动化。
唐云云[8](2006)在《基于虚拟心肌细胞的心电图仿真研究》文中认为体表心电图是临床诊断、治疗的重要工具,但是,由于人们不能全面了解体表心电信息与心脏工作状态之间的对应关系,使得心电图在心脏疾病的临床诊断中受到很大的限制。随着分子医药学时代的到来,疾病的诊断和治疗都更多的着眼于亚细胞水平。为了提高心电图诊断水平,深入了解心肌细胞及其离子活动对体表心电的影响,可以采用人体或动物实验的方法,但是,这些方法存在周期长、代价高、危险性大等问题,很难令人满意。而通过建立心电场计算机模型的方法则可以很好地解决这个问题。虚拟心肌细胞是用数学模型来描述了细胞兴奋过程中细胞膜各离子通道的开放、关闭及离子电流的活动等电生理细节。关于虚拟心肌细胞的研究自60年代开始至今,技术已经相当成熟,对心脏不同部位的细胞都有研究,这些模型已经可以精确地表述真实细胞的活动。但是基于这种虚拟细胞的心电场建模研究才刚刚起步,因为心脏的结构复杂,包含几百万个心肌细胞,要对这样的一个系统进行模拟并不是一件简单的事情。本文正是以虚拟心肌细胞为基础,建立了一维心肌纤维的心电图模型。通过计算兴奋在一维心肌纤维中传播产生的场点电位来得到伪心电图波形。该模型不是单纯对心电图形态的模拟,而是可以用来精确地研究细胞和离子电流的活动同心电图的对应关系。因为虚拟心肌细胞是包含了离子电流、动作电位等心脏的电生理细节的。文中除了仿真正常生理状态下的心电图以外,对长QT间期综合症、短QT间期综合征、T波电交替和Brugada综合症等几种由细胞膜离子通道改变所引起的病态心电图波形也进行了仿真研究,充分验证了模型的正确性,同时也为进一步在此上进行疾病治疗药物的研究奠定了基础。
罗如意[9](2006)在《MRI静磁场对心电图T波影响机制的仿真研究》文中认为基于电生理学和细胞水平的静磁场(SMF)对人体心血管系统的研究具有很重要的意义,不仅有助于从理论上找到ECG-T波幅度产生变化的原因,而且能够为实际的临床诊断和治疗提供依据。由于试验条件的限制,获得真实的SMF中人体心血管电生理数据十分困难,故采用计算机仿真求解模型的方法可以得到一些有用的数据和信息。在前人研究的基础上,本文将磁流体动力学模型和心脏模型进行有机结合以研究静磁场对心电图T波的影响。 采用有限元的方法,对磁流体动力学模型进行数值求解,通过改变磁场强度得到对应主动脉血流率,以及感应电流和感应电压的分布情况;然后基于离子通道心室肌细胞模型,加入由于心肌急性缺血而触发的IK(ATP)电流和与[ATP]i浓度相关的ICa(L)电流,通过改变与ATP浓度相关的L型钙通道渗透率来仿真不同程度的心肌缺血情况,仿真得到心内膜、心外膜和M细胞在不同静磁场中的动作电位图。 仿真结果表明在超高静磁场中,人体主动脉的血流率减少可超过10%,将导致一定程度上的急性心肌缺血症,并得到不同强度SMF中的感应电压与电流会在体表产生叠加电位;在不同心肌缺血情况下,心肌动作电位平台期受抑制,动作电位持续时间(APD)缩短,心外膜的APD缩短最大,心内膜最小,即透壁特异性增强。基于动态电生理力学心脏模型,通过改变相应的心肌动作电位波形,发现心电图T波有较大改变。 通过对仿真结果数据分析后得出超高静磁场下主动脉血流率减少导致的心肌缺血会引起心电图T波幅度的明显增长,可能这是超高静磁场对心电图T波影响的重要因素之一,且感应电流作用、附加偶极子源作用、洛伦磁力作用等可能都是强静磁场作用下的心电图T波改变的因素。
霍梅梅[10](2003)在《心室电学—力学复合模型初步建模仿真研究》文中提出计算机心脏仿真模型是应用计算机强有力的计算能力、图形显示能力将活体心脏所具有的动态心电兴奋传播、心肌收缩、瓣膜振动和血液流动等过程赋予仿真模型,并使其从形态、运动和功能等方面都逼真地再现出来,便于人们对心脏生理、病理的研究。其中,心脏的心电活动和心肌力学特性及其相互影响是当前心脏模型研究的主流。浙江大学生物医学工程研究所的科研人员在吕维雪教授的带领下,开发出了具有国际先进水平的心脏电生理模型LFX,通过该模型可以得到人体的心电兴奋序列和其它各种生物电活动特性。但是该模型只仿真了静态情况下的心电特性。基于这一模型,刘峰博士等人建立了考虑心电特性的左心室力学模型,对心脏的电生理模型和力学模型的结合进行了初步的研究。在前人所做工作的基础上,本文建立了考虑偶极子在心动周期中位移的双心室模型,从而使原来静态的心脏获得活力,跳动起来。进而我们“测算”了人体的12导联心电图以及心脏跳动过程中心室壁的变形。本文首先采用有限元方法,充分考虑了心肌的纤维旋向,将心室划分为若干个单元,然后提取有限元节点的兴奋时序,并采用等参元理论和复合材料理论,计算得到心电信号激励产生的心肌收缩力,并由此计算心电偶极子在心动周期中的位移。得到偶极子的位移后,采用LFX模型中的边界元方法计算得到12导联心电图。利用等参逆变换我们可以计算心室内任意材料点的位移,用来分析心壁的运动和变形。我们采用了位移、应变、扭转角度等参数来描述心室壁的运动变形情况。分析结果显示:(1)12导联心电图的ST—T段明显比原来LFX模型有了较大的改善;(2)在收缩期,右心室自由壁向着室间隔位移,同时自由壁的心底和心中部向着心尖位移,右心室室腔缩小;最小主应变E3在右心室自由壁心内膜的分布在心尖最大,其次是中部,方向基本上与纤维旋向一致。(3)在收缩期,左心室心壁不同部位有着不同程度的增厚:心底和心中部向着心尖位移,心尖位移最小,基本不动,自由壁向着室间隔位移;心壁沿着左心室长轴方向存在着扭 刘以 摘要 浙江大学硕士毕业论文转,扭转角度在心尖最大;最小主应变E3在右心室中壁的分布沿着长轴方向向着心尖增大,E3的方向与纤维旋向基本一致。最后我们将仿真得到的数据与采用医学成像技术得到的结果以及其它模型的结果进行了对比分析,证明我们的模型及其精度达到了预期的目的。 综上所述,本文建立的模型主要探讨了心电激励导致的心壁的位移和应变以及心壁的位移反过来对心电兴奋传播的影响。目前国际上复合心脏建模研究中,学者们都在积极努力把心脏的电学特性和力学特性结合起来,但是既能仿真心电图又能分析心壁运动特性的模型目前还没有看到有文献报道。我们的仿真实践证明,这样构建的虚拟心脏模型为深入研究心脏的临床生理病理现象提供了行之有效的和无创性的研究方法和思路。
二、心室电活动对胸表心电场的影响及其心电图表现(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、心室电活动对胸表心电场的影响及其心电图表现(论文提纲范文)
(1)基于呼吸补偿的导管定位及心内膜自动标测技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 本文研究工作的背景与意义 |
1.2 导管定位及心内膜标测技术国内外研究进展与现状 |
1.2.1 心内导管定位国内外研究进展与现状 |
1.2.2 心内膜标测国内外研究进展与现状 |
1.3 本文的主要贡献与创新 |
1.4 本论文的结构安排 |
第二章 心内导管定位方法及干扰分析 |
2.1 引言 |
2.2 常见的心内导管三维定位方法 |
2.3 心内导管电场和磁场定位基本原理 |
2.3.1 电场定位基本原理 |
2.3.2 磁场定位基本原理 |
2.4 电场和磁场定位对比 |
2.5 心内导管电场定位的干扰分析 |
2.5.1 静态畸变 |
2.5.2 动态干扰 |
2.6 本章小结 |
第三章 定位电场静态畸变的非线性配准 |
3.1 引言 |
3.2 定位电场的配准基础及方法 |
3.3 定位电场配准实验及结果分析 |
3.3.1 数值仿真及配准结果 |
3.3.2 实验测试及配准结果 |
3.4 本章小结 |
第四章 定位电场动态呼吸的自适应补偿 |
4.1 引言 |
4.2 呼吸信号的干扰特征分析 |
4.3 呼吸参考信号的测量方式 |
4.4 自适应呼吸补偿方法研究 |
4.5 自适应呼吸补偿动物实验 |
4.5.1 导管定位数据采集 |
4.5.2 呼吸补偿结果分析 |
4.6 本章小结 |
第五章 基于心电特征识别的心内膜自动标测技术 |
5.1 引言 |
5.2 心内膜电活动标测 |
5.2.1 心内膜标测方法 |
5.2.2 心电特征识别 |
5.2.3 空间标测点定位 |
5.3 心内膜自动标测及初步试验 |
5.3.1 自动获取心跳 |
5.3.2 相对激动时间计算 |
5.3.3 激动时间空间插值 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(2)室颤波形分析用于预测除颤结果的优化方法研究(论文提纲范文)
缩略语表 |
英文摘要 |
中文摘要 |
第一章 前言 |
1.1 心脏骤停与电击除颤 |
1.2 室颤波形分析用于预测除颤结果 |
1.3 存在问题与不足 |
1.4 本论文的研究内容 |
第二章 组合多种室颤波形特征对除颤结果预测能力的影响 |
2.1 研究目的 |
2.2 材料和方法 |
2.3 结果 |
2.4 讨论 |
2.5 小结 |
第三章 结合患者除颤相关信息对除颤结果预测能力的影响 |
3.1 研究目的 |
3.2 材料和方法 |
3.3 结果 |
3.4 讨论 |
3.5 小结 |
第四章 除颤成功的定义对除颤结果预测能力的影响 |
4.1 研究目的 |
4.2 材料和方法 |
4.3 结果 |
4.4 讨论 |
4.5 小结 |
第五章 一种用于比较不同除颤波形效率的方法 |
5.1 研究目的 |
5.2 方法 |
5.3 动物实验 |
5.4 结果 |
5.5 讨论 |
5.6 小结 |
第六章 总结与展望 |
参考文献 |
文献综述 室颤波形分析用于预测除颤结果的研究进展 |
参考文献 |
攻读学位期间的研究成果 |
致谢 |
(3)缝隙连接蛋白43在异丙肾上腺素及快速电场起搏犬心房肌细胞模型中的作用研究(论文提纲范文)
个人简历 |
中文摘要 |
英文摘要 |
前言 |
第一部分 缝隙连接蛋白43低表达犬心房肌细胞的转染及测定 |
1. 材料与设备 |
2. 实验方法 |
3. 结果 |
4. 讨论 |
第二部分 缝隙连接蛋白43在异丙肾上腺素及快速电场起搏犬心房肌细胞模型中的研究 |
1. 材料与设备 |
2. 实验方法 |
3. 结果 |
4. 讨论 |
结论 |
参考文献 |
主要英文缩略词 |
综述 氧化应激下缝隙连接蛋白43与心房颤动的发生和维持 |
参考文献 |
致谢 |
攻读学位期间发表的论文 |
附录 |
(4)基于小波变换实现心电信号噪声最优处理(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的研究意义 |
1.2 国内外研究现状 |
1.3 小波分析发展及应用 |
1.4 MIT-BIH心电图数据库 |
1.5 本文研究内容和主要工作安排 |
第2章 心电信号及消噪方法分析 |
2.1 心电信号产生原理 |
2.2 心电图及其特征 |
2.3 心电信号主要噪声来源 |
2.4 心电信号降噪方法分析 |
2.5 本章小结 |
第3章 心电信号小波去噪研究 |
3.1 短时傅里叶变换 |
3.2 小波变换的定义 |
3.2.1 连续小波变换 |
3.2.2 离散小波变换 |
3.2.3 小波变换的特点 |
3.3 多分辨率分析 |
3.3.1 多分辨率分析的定义 |
3.3.2 双尺度方程 |
3.3.3 Mallat快速算法 |
3.4 小波去噪原理 |
3.4.1 含噪信号的基本数学模型 |
3.4.2 信号和噪声的不同特征 |
3.4.3 小波去噪的方法比较 |
3.4.4 小波去噪的步骤 |
3.5 常用去噪法MATLAB仿真比较 |
3.5.1 阈值法滤除工频干扰 |
3.5.2 阈值法滤除肌电干扰 |
3.5.3 滤波器滤除基线漂移 |
3.5.4 现有去噪法的缺点 |
3.6 本章小结 |
第4章 心电信号小波最优去噪方法设计 |
4.1 最优去噪算法 |
4.2 小波基函数 |
4.2.1 小波基函数的选择标准 |
4.2.2 常用的小波 |
4.3 小波阈值的施加方式 |
4.4 小波阈值的选取 |
4.5 去噪效果的评价依据 |
4.6 分解层数的确定 |
4.7 小波基、最优阈值和重调值的选取 |
4.8 本章小结 |
第5章 最优去噪法在心电信号去噪中的应用 |
5.1 最优去噪法MATLAB仿真实例 |
5.1.1 去除工频干扰 |
5.1.2 去除肌电干扰 |
5.1.3 滤除基线漂移 |
5.1.4 去除多种混合噪声 |
5.1.5 对实验结果的讨论 |
5.2 最优去噪法的实际应用 |
5.3 本章小结 |
总结与展望 |
参考文献 |
致谢 |
附录A 攻读学位期间所发表的学术论文 |
(5)基于MF-DFA和Hurst指数的心电病理信号分析(论文提纲范文)
摘要 |
Abstract |
绪论 |
第一章 心电的产生以及心电信号基础理论 |
1.1 心电的产生 |
1.1.1 单细胞电流及容积导电 |
1.1.2 心肌的自律性 |
1.1.3 心肌的应激性 |
1.1.4 心肌的传导性 |
1.2 心电信号基础 |
1.2.1 心电图导联 |
1.2.2 心电信号的特点及分析现状 |
第二章 心电病理信号 |
2.1 心律失常基础 |
2.2 窦性心律失常 |
2.2.1 窦房结结构 |
2.2.2 正常窦性心律 |
2.2.3 典型病症 |
2.3 房性心律失常 |
2.3.1 发生机制 |
2.3.2 典型病症 |
2.4 其它病理信号 |
2.4.1 充血性心力衰竭 |
2.4.2 心脏性猝死 |
第三章 基础理论 |
3.1 分形理论 |
3.1.1 分形概述 |
3.1.2 分形维数 |
3.1.3 多重分形概述 |
3.1.4 多重分形谱计算 |
3.2 Hurst 指数理论 |
3.2.1 自相似过程 |
3.2.2 自相似过程的Hurst 效应 |
3.2.3 Hurst 指数分析方法 |
第四章 心律失常的多重分形去趋势波动分析 |
4.1 引言 |
4.2 理论分析 |
4.2.1 尺度函数 |
4.2.2 去趋势波动分析 |
4.2.3 多重分形去趋势分析实现方法 |
4.3 多重分形分析应用 |
4.3.1 实验数据 |
4.3.2 实验结果与分析 |
4.4 结语 |
第五章 基于Hurst 指数的心电病理信号分析 |
5.1 引言 |
5.2 理论分析 |
5.3 Hurst 指数分析应用 |
5.3.1 实验数据 |
5.3.2 实验结果与分析 |
5.4 结语 |
总结与展望 |
致谢 |
参考文献 |
攻读硕士期间工作成果 |
(6)鸡胚心脏心电位场电势分布的研究(论文提纲范文)
1 材料与方法 |
1.1 实验材料 |
1.1.1 电极的制备 |
1.1.2 液态媒质、容器 |
1.1.3 记录系统 |
1.1.4鸡胚心脏模型的制备 |
1.1.5 测量位点 |
1.2 实验方法 |
1.3 统计学处理 |
2 结果 |
3 讨论 |
(7)心肺复苏自动化过程中的关键算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 心脏骤停与心肺复苏 |
1.1.1 心脏骤停 |
1.1.2 电击除颤 |
1.1.3 心肺复苏 |
1.1.4 2005国际复苏指南 |
1.1.5 CPR对心肌新陈代谢的影响 |
1.2 心脏状态的评估 |
1.3 当前心肺复苏中存在的主要问题 |
1.3.1 不间断CPR情况下的自动节律分析 |
1.3.2 胸外按压效果的监测 |
1.3.3 优化除颤时机 |
1.3.4 脉搏与呼吸检测 |
1.4 心肺复苏自动化的解决方案 |
第二章 心肺复苏自动化中的关键算法研究 |
2.1 不间断胸外按压情况下的心电节律分析 |
2.1.1 简介 |
2.1.2 算法描述 |
2.1.3 相关比较方法 |
2.2 胸外按压有效性监测及除颤时机优化分析 |
2.2.1 简介 |
2.2.2 幅度谱面积(AMSA)分析 |
2.2.3 相关比较方法 |
2.3 脉搏与呼吸检测 |
2.3.1 简介 |
2.3.2 算法实现 |
2.4 优化决策算法 |
第三章 心肺复苏监测仪的研制 |
3.1 仪器的设计方案与技术指标 |
3.1.1 整机设计方案 |
3.1.2 功能特点与技术指标 |
3.2 仪器的硬件设计 |
3.2.1 心电与阻抗检测电路 |
3.2.2 数据采集卡的选择与安装 |
3.2.3 电极的选择 |
3.3 仪器的软件设计 |
3.4 仪器样机的整机结构 |
第四章 临床实验研究 |
4.1 胸外按压期间心电节律检测算法 |
4.1.1 数据收集 |
4.1.2 统计分析方法 |
4.1.3 分析结果 |
4.1.4 讨论与小结 |
4.2 胸外按压有效性检测与除颤时机的优化分析 |
4.2.1 实验动物准备 |
4.2.2 实验过程 |
4.2.3 测量与统计 |
4.2.4 实验结果 |
4.2.5 实验结果 |
4.2.6 小结与讨论 |
4.3 呼吸与脉搏检测 |
4.3.1 动物准备 |
4.3.2 实验过程 |
4.3.3 实验记录 |
4.3.4 实验结果 |
4.3.5 小结与讨论 |
第五章 总结和展望 |
参考文献 |
附录 |
成果 |
致谢 |
(8)基于虚拟心肌细胞的心电图仿真研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及意义 |
1.2 国内外研究现状综述 |
1.3 本文的主要研究工作 |
第2章 虚拟心肌细胞的电生理基础及仿真模型 |
2.1 心脏的兴奋传导系统 |
2.2 心肌细胞的电生理特性 |
2.2.1 心肌细胞的静息电位 |
2.2.2 心肌细胞的动作电位 |
2.2.3 离子通道和离子流 |
2.3 虚拟心肌细胞模型的基础—Hodgkin-Huxley模型 |
2.4 本章小结 |
第3章 伪心电图模型的建立与仿真 |
3.1 心电图简介 |
3.1.1 心电图基本知识 |
3.1.2 电偶和容积导体 |
3.2 一维心肌纤维的心电图模型建立 |
3.2.1 虚拟心室细胞的模型 |
3.2.2 心电图模型的建立 |
3.3 模型的仿真结果及分析 |
3.3.1 数值计算方法 |
3.3.2 单细胞的仿真结果 |
3.3.3 心电图的仿真结果及分析 |
3.4 本章小结 |
第4章 在病理条件下心电图波形的仿真研究 |
4.1 长QT间期综合症的仿真研究 |
4.1.1 LQT1 的仿真研究 |
4.1.2 LQT2 的仿真研究 |
4.1.3 LQT3 的仿真研究 |
4.2 短QT间期综合症的仿真研究 |
4.3 T波电交替的仿真研究 |
4.4 Brugada综合症的仿真研究 |
4.5 本章小结 |
结论 |
参考文献 |
哈尔滨工业大学硕士学位论文原创性声明 |
哈尔滨工业大学硕士学位论文使用授权书 |
哈尔滨工业大学硕士学位涉密论文管理 |
攻读学位期间发表的学术论文 |
致谢 |
(9)MRI静磁场对心电图T波影响机制的仿真研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
§1.1 引言 |
§1.1.1 静磁场生物效应 |
§1.1.2 SMF在细胞水平影响的研究 |
§1.1.3 SMF对心血管系统的影响 |
§1.1.4 SMF中ECG-T波变化的研究 |
§1.1.5 讨论 |
§1.2 选题及其意义 |
§1.3 本文的构成 |
第二章 磁流体力学模型仿真 |
§2.1 磁流体动力学模型 |
§2.1.1 电磁场分析基本原理 |
§2.1.2 静磁场 |
§2.1.2.1 静磁场方程和矢量 |
§2.1.2.2 偶极矩的场 |
§2.1.2.3 静磁场的边值问题 |
§2.1.3 SMF中血管磁流体动力学模型 |
§2.1.3.1 SMF中磁流体力学模型研究发展状况 |
§2.1.3.2 SMF中磁流体力学原理介绍 |
§2.2 有限元分析理论基础 |
§2.2.1 概述 |
§2.2.2 方法基础及主要特点 |
§2.3 有限单元法(FEM)分析过程 |
§2.3.1 空间分割-结构的离散化 |
§2.3.2 基函数的求解 |
§2.3.3 偏微分方程组的离散化 |
§2.3.4 运算求解 |
§2.4 仿真结果分析 |
§2.4.1 仿真结果-流速与流量 |
§2.4.2 仿真结果-感应电压与电流 |
§2.4.3 等效偶极子理论比较分析 |
§2.5 本章小结 |
第三章 SMF中ECG—T波变化仿真研究 |
§3.1 人体心室肌细胞仿真模型介绍 |
§3.1.1 细胞膜离子通道 |
§3.1.1.1 引言 |
§3.1.1.2 离子通道的特征与分类 |
§3.1.2 人体心室肌细胞的仿真模型 |
§3.1.2.1 心肌细胞的分类及其电生理特性 |
§3.1.2.2 心肌细胞动作电位及其产生机制 |
§3.1.2.3 细胞膜离子电流 |
§3.1.2.4 仿真动作电位结果 |
§3.2 SMF中心室肌细胞模型电生理学仿真 |
§3.2.1 关于T波 |
§3.2.2 心肌细胞电生理学模型 |
§3.2.3 仿真结果及分析 |
§3.2.4 讨论 |
§3.3 本章小结 |
第四章 讨论与展望 |
参考文献 |
致谢 |
附录:作者在研究生期间所发表的论文 |
独创性声明 |
学位论文版权使用授权书 |
(10)心室电学—力学复合模型初步建模仿真研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
§1.1 心脏复合模型建模研究概况 |
§1.1.1 引言 |
§1.1.2 亚细胞和细胞层次模型 |
§1.1.3 组织和器官层次模型 |
§1.1.4 心脏复合模型研究 |
§1.1.5 讨论 |
§1.2 选题及其意义 |
§1.3 本文构成 |
第二章 心脏电生理模型 |
§2.1 心脏生理结构与功能简介 |
§2.2 心电仿真模型的电生理和数学物理基础 |
§2.2.1 电生理基础 |
§2.2.2 数学物理基础 |
§2.3 LFX心电仿真模型的组成 |
§2.3.1 三维心脏模型与胸腔躯体模型 |
§2.3.2 心脏兴奋序列的仿真 |
§2.3.3 体表电位与心外膜电位的计算 |
§2.4 LFX心电仿真模型的主要功能 |
§2.4.1 心电信息仿真功能 |
§2.4.2 心脏状态仿真功能 |
§2.5 本章小结 |
第三章 心室电学—力学复合模型初步研究 |
§3.1 LFX心电模型的建模过程分析 |
§3.2 心室电学—力学复合模型建模构想 |
§3.3 有限元分析理论基础 |
3.3.1 弹性力学基础 |
3.3.2 等参元理论 |
3.3.3 有限单元法(FEM)分析过程 |
§3.4 基于心肌纤维结构的有限单元离散 |
§3.5 心肌材料参数的确定 |
§3.6 心电兴奋序列的提取 |
§3.7 心电信号激励产生的收缩力计算 |
§3.8 边界约束条件 |
§3.9 心电偶极子中心在单个心电周期中位移的计算 |
§3.10 变形和应变分析 |
§3.11 模型仿真的初步结果 |
3.11.1 心电图仿真分析 |
3.11.2 右心室变形仿真结果 |
3.11.3 左心室变形仿真结果 |
§3.12 本章小结 |
第四章 讨论与展望 |
参考文献 |
致谢 |
附录: 作者在研究生期间所发表的论文 |
四、心室电活动对胸表心电场的影响及其心电图表现(论文参考文献)
- [1]基于呼吸补偿的导管定位及心内膜自动标测技术研究[D]. 丁芳媚. 电子科技大学, 2018(09)
- [2]室颤波形分析用于预测除颤结果的优化方法研究[D]. 金大年. 第三军医大学, 2017(11)
- [3]缝隙连接蛋白43在异丙肾上腺素及快速电场起搏犬心房肌细胞模型中的作用研究[D]. 刘海德. 广西医科大学, 2015(12)
- [4]基于小波变换实现心电信号噪声最优处理[D]. 何浩书. 湖南大学, 2014(03)
- [5]基于MF-DFA和Hurst指数的心电病理信号分析[D]. 赵烨南. 南京邮电大学, 2011(04)
- [6]鸡胚心脏心电位场电势分布的研究[J]. 周翔. 南方医科大学学报, 2010(09)
- [7]心肺复苏自动化过程中的关键算法研究[D]. 李永勤. 南方医科大学, 2007(09)
- [8]基于虚拟心肌细胞的心电图仿真研究[D]. 唐云云. 哈尔滨工业大学, 2006(12)
- [9]MRI静磁场对心电图T波影响机制的仿真研究[D]. 罗如意. 浙江大学, 2006(09)
- [10]心室电学—力学复合模型初步建模仿真研究[D]. 霍梅梅. 浙江大学, 2003(02)