本文關鍵詞：基于小波變換和神經網絡的心電圖分類識別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國人口老齡化加劇以及現有醫(yī)療資源分布不均衡,醫(yī)療健康問題在我國變得越來越重要。心血管疾病是危害現代人身體健康的重要疾病之一,心律失常是心血管疾病中重要的一類疾病。心電圖的分類識別研究是診斷心律失常的前提與關鍵。本文的心電圖分類識別研究是基于小波變換和神經網絡的數字化自動分類識別的研究。該研究有利于促進移動心電監(jiān)控系統的發(fā)展并進一步促進現有醫(yī)療資源分布不平衡的改善。心電信號分為很多種,本文進行分類識別的心電信號有正常心電信號、左束支傳導阻滯信號、右束支傳導阻滯信號、室性早搏信號、房性早搏信號。本文的主要工作如下:1.本文使用小波變換濾除檢測設備獲取心電信號過程中產生的噪聲。本文使用強制濾波方法濾除基線漂移噪聲,使用閾值門限濾波方法濾除工頻干擾和肌電干擾。2.本文對濾除噪聲后的心電信號依次進行R波、Q波、S波、P波、T波的波形識別。本文分析了傳統的心電信號波形識別方法中的缺點,并針對消除這些缺點進行改進。例如,在傳統R波識別方法中,閾值的選擇對R波識別效果影響很大,且容易出現最大值個數與最小值個數不匹配等問題,本文的改進方法可以消除上述問題。3.本文采用波形的幅度值和波形的間距時間作為神經網絡訓練樣本的特征值。通過訓練樣本對傳統BP神經網絡和徑向基神經網絡進行訓練,并使用訓練后的神經網絡對心電信號記錄進行分類識別,以該分類識別的正確率作為神經網絡分類識別的標準。本文通過修改神經網絡的參數提高神經網絡的性能,通過調整訓練樣本來提高神經網絡的分類識別正確率。對比傳統BP神經網絡和徑向基神經網絡,得到傳統BP神經網絡存在若干缺陷,而徑向基神經網絡不存在這些缺陷且分類識別的正確率更高。例如,傳統BP神經網絡存在參數較多、訓練速度慢、訓練結果隨機性高等缺點,而徑向基神經網絡參數較少、訓練速度快、訓練結果有一定規(guī)律。本文在心電信號波形識別中對傳統的波形識別方法進行了改進,在神經網絡分類中選擇了徑向基神經網絡,最終獲取了優(yōu)異的分類識別的正確率。
【關鍵詞】：心電信號 小波變換 神經網絡
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R540.41;TN911.7

  本文關鍵詞：基于小波變換和神經網絡的心電圖分類識別研究，，由筆耕文化傳播整理發(fā)布。

本文編號：407847