陈少峰 CHEN Shaofeng徐文龙 XU Wenlong



基于块稀疏贝叶斯学习算法的心电数据重构

陈少峰 CHEN Shaofeng
徐文龙 XU Wenlong

College of Information Engineering, China Jiliang University, Hangzhou 310018, China

Address Correspondence to： CHEN Shaofeng E-mail： 913279957@qq.com

修回日期：2015-12-03

中国医学影像学杂志

2016年 第24卷 第3期：223-226

Chinese Journal of Medical Imaging 2016 Volume 24 （3）： 223-226

【摘要】压缩感知（CS）技术在心电信号上的应用具有低成本、低功耗等优势，但传统的CS算法重构心电信号质量并不理想。本文介绍了一种基于信号块结构内相关性的块稀疏贝叶斯学习（BSBL）CS算法；并对MIT-BIH数据库中心电数据进行实验结果显示其均方根误差远低于传统CS算法，表明该算法能够高质量重构心电信号BSBL算法在心电数据上的应用有效降低了对数据的采样频率，从而缓解存储压力并降低功耗。

【关键词】信号处理，计算机辅助；压缩感知；算法；块稀疏贝叶斯学习

根据世界卫生组织于2014年5月更新的有关全球疾病状况的评估报告显示，在过去10年中，缺血性心脏病、脑卒中、下呼吸道感染和慢性阻塞性肺疾病是导致人类死亡的4大主要原因，其中缺血性心脏病是导致全球范围人口死亡的第一因素。心电信号是诊断心血管疾病的主要依据，因此快速、准确检测患者心电活动具有重要的意义。

2006年，Candes等［1］提出的压缩感知（compressed sensing，CS）理论。由于其突破了传统奈奎斯特（Nyquist）采样定理的瓶颈，能够通过非确定线性系统稀疏求解，从远少于Nyquist采样频率的采样点中几乎无失真的恢复信号。CS在信号采集和数据处理上具有突出的优势，将其引入心电数据中可以减少对存储空间、数据传输量和信道传输带宽的需求，因而可以大幅度降低存储和传输数据的费用。……