生活水平的進步與生活方式的劇烈變化使得人類健康受到嚴重威脅,心律失常等心血管疾病困擾著越來越多的人,及時發(fā)現(xiàn)、預防心臟病發(fā)生能有效降低死亡率。心電信號能有效反映人體心臟健康狀況,其自動檢測與分類識別的應用對預防和診治心臟疾病有著重大意義。本文簡要概括了課題的研究意義及國內(nèi)外研究現(xiàn)狀,并對心電圖、心電干擾與心律失常做了基礎(chǔ)性說明;心電信號具有抗干擾能力弱特性,利用小波變換良好的時頻域和局部分析能力實現(xiàn)降噪;論文針對一般心律失常自動診斷方法過于依賴特征工程等弊端,將深度學習技術(shù)應用于心律失常診斷,實現(xiàn)了特征自動提取與分類識別于一體的深層網(wǎng)絡模型。本文的創(chuàng)新及研究內(nèi)容主要包括以下四個方面:1.心電信號易受噪聲干擾,針對不同類型的高低頻噪聲頻域分布差異,利用小波變換實現(xiàn)信號中噪聲過濾。低頻噪聲的過濾,將對應低頻頻域的分解系數(shù)置零,然后重構(gòu)處理后的各尺度小波系數(shù);高頻噪聲采用小波閾值去噪方法,根據(jù)信號特點選取合適的小波基、分解尺度,并利用改進的軟硬閾值折中的方法實現(xiàn)噪聲干擾有效去除。2.通過數(shù)據(jù)增強的方式擴展MIT-BIH心電信號數(shù)據(jù)集,對數(shù)據(jù)集中所有修正單導聯(lián)Ⅱ進行R波定位及逐心跳切割,并實現(xiàn)... 

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 心律失常自動識別研究現(xiàn)狀
    1.3 基于深度學習的心律失常自動識別
    1.4 深度學習研究現(xiàn)狀
    1.5 本文內(nèi)容組織結(jié)構(gòu)
2 心電信號與深度學習相關(guān)理論
    2.1 心電信號與心律失常理論
    2.2 人工神經(jīng)網(wǎng)絡與深度學習
    2.3 本章總結(jié)
3 心電信號預處理
    3.1 MIT-BIH數(shù)據(jù)集
    3.2 ECG信號小波變換
    3.3 基于小波變換的心電信號濾波
    3.4 ECG數(shù)據(jù)預處理
    3.5 本章小結(jié)
4 基于循環(huán)神經(jīng)網(wǎng)絡的心拍自動分類識別
    4.1 循環(huán)神經(jīng)網(wǎng)絡
    4.2 LSTM_ECG網(wǎng)絡模型
    4.3 基于LSTM_ECG網(wǎng)絡模型的心拍識別
    4.4 本章小結(jié)
5 基于卷積神經(jīng)網(wǎng)絡的心拍自動分類識別
    5.1 卷積神經(jīng)網(wǎng)絡
    5.2 CNN_ECG網(wǎng)絡模型
    5.3 基于CNN_ECG網(wǎng)絡模型的心拍識別
    5.4 本文與其他方法對比分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 研究展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]《中國心血管病報告2016》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風,楊躍進,鄭哲,蔣立新,胡盛壽.  中國循環(huán)雜志. 2017(06)
[2]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)
[3]基于心電圖分析的心律失常分類[J]. 李坤陽,胡廣書.  清華大學學報(自然科學版). 2009(03)
[4]基于形態(tài)濾波的心電信號基線矯正算法[J]. 毛玲,孫即祥,張國敏,季虎.  信號處理. 2008(04)
[5]基于多階人工神經(jīng)網(wǎng)絡的ECG信號診斷模型研究[J]. 駱德漢,許廣桂,鄒宇華,H.Gholam Hosseini.  儀器儀表學報. 2008(01)
[6]MIT-BIH心率失常數(shù)據(jù)庫的識讀及應用[J]. 宋喜國,鄧親愷.  中國醫(yī)學物理學雜志. 2004(04)
[7]基于小波變換的自適應濾波器消除ECG中基線漂移[J]. 李小燕,王濤,馮煥清,詹長安.  中國科學技術(shù)大學學報. 2000(04)

博士論文
[1]心電信號智能分析關(guān)鍵技術(shù)研究[D]. 姚成.吉林大學 2012
[2]心電信號自動分析關(guān)鍵技術(shù)研究[D]. 季虎.國防科學技術(shù)大學 2006

碩士論文
[1]基于深度置信網(wǎng)絡的心律失常分類算法研究[D]. 白洋.河北大學 2016
[2]基于深度神經(jīng)網(wǎng)絡的心電圖自動分類方法研究與實現(xiàn)[D]. 樊承柱.山東大學 2016
[3]心電信號的異常心律分類算法研究[D]. 陳義.重慶大學 2016
[4]心電信號自動分析的幾種算法研究[D]. 孟歡歡.清華大學 2014
[5]心電信號自動檢測與診斷方法的研究[D]. 韓君澤.哈爾濱工業(yè)大學 2013
[6]心律失常自動識別算法的研究[D]. 王如想.山東大學 2013
[7]基于模糊聚類算法對心電數(shù)據(jù)典型特征分類研究[D]. 劉世雄.浙江大學 2006



本文編號：3658214