隨著心血管疾病發(fā)病率的逐年提升,心血管疾病的診斷與預(yù)防越來越被人們所關(guān)注。心電圖（electrocardiogram,ECG）是醫(yī)生進(jìn)行心臟疾病診斷的重要依據(jù),傳統(tǒng)的臨床診斷方法是醫(yī)生通過對(duì)患者心電圖進(jìn)行人工分析進(jìn)而做出診斷,這樣的診斷方式可能會(huì)導(dǎo)致誤診漏診的情況發(fā)生。心律失常分類算法的研究一方面能夠?qū)︶t(yī)生的診斷起到輔助作用,提高心血管疾病的診斷效率,有利于醫(yī)療資源合理分配;同時(shí)也能夠移植到可穿戴設(shè)備上,為用戶提供疾病預(yù)警和健康監(jiān)護(hù)的功能。近年來,隨著人們對(duì)于神經(jīng)網(wǎng)絡(luò)研究的進(jìn)步,神經(jīng)網(wǎng)絡(luò)在很多研究領(lǐng)域中展現(xiàn)出了更加強(qiáng)大的分類性能,將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到心電信號(hào)的自動(dòng)識(shí)別能夠更好的提取心電信號(hào)的特征并進(jìn)行準(zhǔn)確率更高的多分類過程。為了使卷積神經(jīng)網(wǎng)絡(luò)更好的處理心電信號(hào)這樣的一維時(shí)間序列,有研究者提出使用獨(dú)熱編碼技術(shù)對(duì)心電信號(hào)進(jìn)行圖像化編碼,結(jié)合CNN模型進(jìn)行心律失常分類研究并取得了不錯(cuò)的分類效果,不足是圖像化數(shù)據(jù)冗余度較高。針對(duì)上述方法存在的不足,本文使用了基于時(shí)間序列時(shí)間相關(guān)性特征的GASF（Gramian Angular Summation Field）圖像化算法結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的組合模型... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

心臟結(jié)構(gòu)圖

一個(gè)完整的心電信號(hào)周期主要由三部分組成：代表心房除極化的P波,代表心室除極化的QRS波群以及代表心室復(fù)極化的T波。圖2.2表示的是心電信號(hào)中的一個(gè)完整的心電信號(hào)波形。心電信號(hào)是十分微弱的,其幅度在10μV~5mV之間,頻率分布在0.05Hz~100Hz之間,而頻譜能量大多集中在0.5Hz~45Hz之間,而且具有非平穩(wěn)性和非線性[37]。盡管不同的人或者不同導(dǎo)聯(lián)的心電圖存在著差異,但是在一般情況下,每次心動(dòng)周期在心電圖上均可出現(xiàn)相應(yīng)的一組波形,其中包括P波,QRS波、T波、U波、P-R間期、S-T段等部分。P波能夠反映心房去極化過程的電位變化,波形較為圓滑,波幅一般低于0.25毫伏,臨床上醫(yī)生會(huì)對(duì)P波的幅度、波形形態(tài)和P波時(shí)間重點(diǎn)關(guān)注；QRS波群反映了心室去極化過程導(dǎo)致的電位變化,QRS波群中第一個(gè)向下的波為Q波,接下來向上的幅值高,變化快的為R波,最后向下的波為S波。QRS波群是心電信號(hào)中特征最明顯的波群,各個(gè)波的幅度變化都比較大,通常情況下正常人的QRS波群時(shí)長約為0.06s-0.10s；T波反映了心室復(fù)極化導(dǎo)致的電位變化,其位置位于QRS波群后,方向應(yīng)與QRS波群的主波方向一致；U波是T波發(fā)生后0.02s-0.04s左右可能出現(xiàn)的與T波同方向的波,幅值較低；P-R間期指的是由P波起點(diǎn)開始到QRS波群起點(diǎn)的一段時(shí)間。表征了竇房結(jié)所產(chǎn)生的興奮傳導(dǎo)至心室所經(jīng)過的時(shí)間,P-R間期過長可能表征患者有房室傳導(dǎo)阻滯的癥狀；S-T段指的是QRS波群的終點(diǎn)到T波起點(diǎn)的一段時(shí)間,表示心室緩慢復(fù)極的過程,當(dāng)出現(xiàn)冠狀動(dòng)脈供血不足或者心肌梗死等病癥的時(shí)候,S-T段會(huì)表現(xiàn)為向上或向下偏離基線狀態(tài)。醫(yī)生在診斷心電圖的過程中往往會(huì)根據(jù)以上每個(gè)波的起止點(diǎn)、幅值等特征計(jì)算各種指標(biāo)的值。心電信號(hào)所包含的各個(gè)波段的時(shí)域特征均具有一定的臨床價(jià)值,因此,醫(yī)生在用心電圖診斷心臟疾病的過程中,通常會(huì)根據(jù)上述各個(gè)波的幅值、持續(xù)時(shí)間等各項(xiàng)指標(biāo),根據(jù)不同心臟疾病的標(biāo)準(zhǔn)進(jìn)行臨床診斷。

MIT-BIH數(shù)據(jù)庫是由美國麻省理工學(xué)院（Massachusetts Institute of Technology）和Beth Israel醫(yī)院合作建立的。本文用到的全部數(shù)據(jù)可從MIT-BIH心律失常標(biāo)準(zhǔn)數(shù)據(jù)庫中下載,該數(shù)據(jù)庫中包括48組記錄文件[38]。這些心電數(shù)據(jù)來自于47位患者（其中201號(hào)記錄和202號(hào)記錄來自同一患者的心電數(shù)據(jù)）。在這47位患者中,男性患者有25名,年齡分布區(qū)間是32歲到89歲；女性患者有22名,年齡分布區(qū)間是23歲到89歲。這48組記錄文件中,每組記錄文件又由頭文件、數(shù)據(jù)文件和注釋文件三部分組成,頭文件中記錄了患者的基本情況和數(shù)據(jù)采集的基本信息；數(shù)據(jù)文件中記錄了該患者約30分鐘的雙導(dǎo)聯(lián)心電數(shù)據(jù),數(shù)據(jù)采樣精度為11位,采樣頻率為360Hz；注釋文件是由多位心電圖專家共同標(biāo)注的心拍信息,主要包括了QRS主波位置（一般是R波位置）、導(dǎo)聯(lián)信息、心電信號(hào)存儲(chǔ)形式、采樣頻率、節(jié)律、心拍類型以及發(fā)生心律失常的位置等信息,在我們的實(shí)驗(yàn)中主要使用到了注釋文件中的R波位置信息以及心拍類型信息,在MIT-BIH數(shù)據(jù)庫中,專家們所標(biāo)出的主要心拍類型如圖2.3所示：在對(duì)注釋文件進(jìn)行解析之后,其中會(huì)使用注釋代碼對(duì)每一種不同的心拍類型或者其他信息進(jìn)行注釋,后面的分類算法就是依據(jù)數(shù)據(jù)庫中的心電信號(hào)及其標(biāo)注進(jìn)行訓(xùn)練和測試的。MIT-BIH數(shù)據(jù)庫是被研究人員廣泛認(rèn)可的數(shù)據(jù)庫,包含多種實(shí)際測得的異常心拍,并經(jīng)過多名專業(yè)心電圖專家標(biāo)注,可信度很高,因此本文選擇MIT-BIH心律失常數(shù)據(jù)庫作為實(shí)驗(yàn)的數(shù)據(jù)來源。

【參考文獻(xiàn)】：
期刊論文
[1]《中國心血管病報(bào)告2018》要點(diǎn)介紹[J]. 馬麗媛,吳亞哲,陳偉偉.  中華高血壓雜志. 2019(08)
[2]邊緣計(jì)算數(shù)據(jù)安全與隱私保護(hù)研究綜述[J]. 張佳樂,趙彥超,陳兵,胡峰,朱琨.  通信學(xué)報(bào). 2018(03)
[3]面向邊緣計(jì)算的嵌入式FPGA卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建方法[J]. 盧冶,陳瑤,李濤,蔡瑞初,宮曉利.  計(jì)算機(jī)研究與發(fā)展. 2018(03)
[4]邊緣計(jì)算:萬物互聯(lián)時(shí)代新型計(jì)算模型[J]. 施巍松,孫輝,曹杰,張權(quán),劉偉.  計(jì)算機(jī)研究與發(fā)展. 2017(05)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[6]卷積神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展綜述[J]. 楊斌,鐘金英.  南華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[7]心電信號(hào)噪聲的數(shù)字濾波研究[J]. 陳天華,韓力群,鄭彧.  微計(jì)算機(jī)信息. 2008(18)
[8]心電圖中濾除基線漂移的研究[J]. 張勇,張萍,王介生.  計(jì)算機(jī)與應(yīng)用化學(xué). 2007(04)
[9]MIT-BIH心率失常數(shù)據(jù)庫的識(shí)讀及應(yīng)用[J]. 宋喜國,鄧親愷.  中國醫(yī)學(xué)物理學(xué)雜志. 2004(04)
[10]心血管病預(yù)防的現(xiàn)狀和展望[J]. 顧東風(fēng).  中華預(yù)防醫(yī)學(xué)雜志. 2003(02)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的心律失常自動(dòng)分類關(guān)鍵技術(shù)研究[D]. 李嘉.吉林大學(xué) 2019

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[D]. 李飛騰.大連理工大學(xué) 2014



本文編號(hào)：2951935