心脏疾病的自动诊断是计算机辅助医疗的重要组成部分,主要包括三个方面的内容：信号的处理、特征提取以及疾病的自动诊断。本文首先对ECG (Electrocardiograph, ECG)信号的预处理以及特征波定位算法进行了研究,然后考察了利用心电信号建立心拍自动分类模型的方法以及可行性,最后考察了利用医疗知识(比如,生理参数等)建立心脏疾病诊断模型的方法和可行性。本文主要工作有以下几点：(1)本文对计算机辅助心脏疾病诊断中心电信号处理算法进行了研究,包括预处理算法和特征波定位算法,其中主要研究了心电信号的特征波定位算法。本文针对数学形态学导数在心电信号特征波定位中的不足,提出了双层尺度数学形态学导数概念,并结合局域变换法对心电信号的QRS波群进行定位,较原方法提高了特征波定位的准确性;(2)本文利用心电信号以及C-SVM分类器建立了四分类的心拍自动诊断模型。在心电信号QRS波群定位的基础上,提取了心电信号的时域、小波域、高阶统计量域共42维特征,作为多分类C-SVM的输入,并通过粒子群优化算法对C-SVM的参数进行优化。本文利用小波系数的高阶统计量来代替小波系数,保留了特征的变化部分,减少了特征的冗余,提高了分类的精度。在模型的建立上,由于采用了粒子群优化算法,模型的鲁棒性得到了提高,并提出了分类决策阶段的二次投票机制,模型准确率高达98.2%。(3)本文通过Cleveland数据库中的13个生理数据作为特征,利用C-SVM建立了有效的多生理参数的心脏疾病诊断模型,并将遗传学算法应用到特征简化中。通过对13维特征进行简化最终得到在迭代次数为1000次时4个特征也可以达到13维特征时的准确度,得到了在13维生理特征中对于心脏疾病诊断比较有效的4个生理参数,为后续模型特征的选择提供了参考。