隨著人們生活的節(jié)奏日益加快以及人們精神壓力的陡增,誘發(fā)了心臟類疾病已成為對人體健康構(gòu)成重大威脅的常見疾病。心電圖是現(xiàn)代醫(yī)院對心臟類疾病基本常規(guī)診療技術(shù)之一,可以為臨床醫(yī)生診療提供重要參考。然而,傳統(tǒng)心電圖自動分類的研究,多聚焦于心拍類型的分類,雖然在測試集上精度很高,但實際臨床效果很差,最終診斷仍需醫(yī)生手工完成,說明心拍分類并不十分可行,誤診或誤判時有發(fā)生,影響了對心臟類疾病的治療。近年來,以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學習方法在圖像分類處理領(lǐng)域成果顯著,為此,本文借鑒其在自動特征提取和分類準確率方面的優(yōu)勢,圍繞基于卷積神經(jīng)網(wǎng)絡(luò)的多導聯(lián)心電圖自動分類方法展開了研究工作,研究內(nèi)容主要包括:(1)開展了多導聯(lián)心電數(shù)據(jù)預處理方法研究。采用ICBEB心電數(shù)據(jù)庫,包含了6877例心電數(shù)據(jù),每個記錄都來自臨床不同患者的12導聯(lián)心電數(shù)據(jù)。為了提高分類識別效果,針對心電數(shù)據(jù)采集中存在的基線漂移、肌電干擾、工頻干擾等幾類噪聲,分別設(shè)計相應的濾波器加以濾除。(2)開展了基于Resnet50網(wǎng)絡(luò)的多導聯(lián)心電圖自動分類研究。與傳統(tǒng)心電圖自動分類中先設(shè)計特征提取算法再分類識別這一流程不同,研究中采用了卷積神經(jīng)網(wǎng)絡(luò)中...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 心電圖去噪預處理
        1.2.2 心電圖特征提取和分類
        1.2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的心電圖自動分類
    1.3 存在的問題
    1.4 本文主要研究內(nèi)容和章節(jié)安排
2 心電圖與卷積神經(jīng)網(wǎng)絡(luò)
    2.1 引言
    2.2 基本心電知識
        2.2.1 心電圖的產(chǎn)生
        2.2.2 心電導聯(lián)系統(tǒng)
        2.2.3 正常心電圖典型波形及特點
        2.2.4 心律失常分類
    2.3 心電圖數(shù)據(jù)庫
        2.3.2 四大標準心電圖數(shù)據(jù)庫
        2.3.3 ICBEB心電圖數(shù)據(jù)庫
    2.4 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        2.4.1 人工神經(jīng)網(wǎng)絡(luò)
        2.4.2 卷積神經(jīng)網(wǎng)絡(luò)特性
        2.4.3 卷積神經(jīng)網(wǎng)絡(luò)操作
    2.5 本章小結(jié)
3 基于Resnet模型的心電圖自動分類研究
    3.1 引言
    3.2 Resnet網(wǎng)絡(luò)模型
    3.3 實驗平臺與評價指標
        3.3.1 實驗平臺
        3.3.2 評價指標
    3.4 ICBEB心電圖數(shù)據(jù)集預處理
        3.4.1 心電圖去噪
        3.4.2 數(shù)據(jù)集劃分與歸一化
    3.5 ICBEB心電數(shù)據(jù)集實驗
        3.5.1 數(shù)據(jù)讀取與轉(zhuǎn)換
        3.5.2 網(wǎng)絡(luò)訓練
        3.5.3 實驗結(jié)果及分析
    3.6 本章小結(jié)
4 基于Resnet優(yōu)化模型的心電圖自動分類研究
    4.1 引言
    4.2 網(wǎng)絡(luò)模型優(yōu)化
        4.2.1 網(wǎng)絡(luò)卷積模塊優(yōu)化
        4.2.2 損失函數(shù)
    4.3 網(wǎng)絡(luò)訓練
    4.4 實驗結(jié)果及分析
        4.4.1 不同超參數(shù)值的模型分類
        4.4.2 不同卷積核大小的模型分類
    4.5 本章小結(jié)
5 總結(jié)與展望
參考文獻
附錄
    A.學位論文數(shù)據(jù)集
致謝



本文編號：3865842