【摘要】：心血管疾病包括心肌梗塞,心律不齊等多種疾病,由于發(fā)病率極高,現(xiàn)已成為人們健康問(wèn)題的最大殺手。心臟搏動(dòng)是反映心血管疾病的一大途徑。心電圖(ECG)和心音圖(PCG)作為衡量心搏是否正常的簡(jiǎn)單有效工具,能夠?yàn)樾难苓@一類疾病診斷帶來(lái)更多輔助,甚至對(duì)于某些疾病能夠直接診斷。本文主要研究基于心搏的心血管疾病自動(dòng)診斷,診斷框架基于ECG和PCG構(gòu)建,包括信號(hào)預(yù)處理、特征提取和模型分類三個(gè)大模塊以及噪聲去除、信號(hào)分割等子模塊。并針對(duì)診斷流程中的多個(gè)點(diǎn)進(jìn)行了算法改進(jìn)和創(chuàng)新。本文所用的ECG和PCG數(shù)據(jù)庫(kù)為CinC Challenge 2017和CinC Challenge 2016,都是來(lái)自PhysioNet網(wǎng)站的公開數(shù)據(jù)庫(kù)。本文分析了RR間隔分割和固定分割這兩種信號(hào)分割方法,指出RR間隔分割對(duì)于深度學(xué)習(xí)模型適應(yīng)性不足,而固定分割會(huì)損失原有信號(hào),并提出了滑窗分割方法,從而提高了模型的泛化能力。本文針對(duì)現(xiàn)有的CNN模型在ECG和PCG上的應(yīng)用做了適應(yīng)性改進(jìn),通過(guò)分析一維信號(hào)與二維圖像之間的不同,分析出圖像領(lǐng)域普遍采納的小卷積核思想應(yīng)用在ECG和PCG上的劣勢(shì),并提出一種大尺度卷積核一維殘差網(wǎng)絡(luò)(LKNet)。在ECG診斷階段,本文分析了ECG數(shù)據(jù)庫(kù)中4類標(biāo)簽分類的難易程度,并結(jié)合最優(yōu)化問(wèn)題中外罰函數(shù)的思想,有針對(duì)性的修改了Loss函數(shù)。在PCG診斷階段,本文提出基于多特征集和CNN的Boosting模型(MFS-CNN Boosting)。最終,本文所提出的診斷架構(gòu)在ECG數(shù)據(jù)庫(kù)上的F1值為84.06%,在PCG數(shù)據(jù)庫(kù)上的MAcc值為91.48%,在兩個(gè)數(shù)據(jù)庫(kù)上都達(dá)到了state-of-art的效果。
【圖文】：

第 2 章 基于 ECG 的自動(dòng)診斷算法研究2.1 ECG 系統(tǒng)概要ECG 診斷系統(tǒng)分為以下幾個(gè)模塊，即去噪、信號(hào)分割、特征提取和模型分類。需要去除的噪聲有工頻干擾、肌電干擾和基線漂；信號(hào)分割有 RR 間隔分割和固定分割等幾種；作為對(duì)比，也進(jìn)行了傳統(tǒng)機(jī)器學(xué)習(xí)模型分類實(shí)驗(yàn)，所提取的特征包括時(shí)域特征：SDNN、rMSSD、NN50 等，頻域特征：LF power、HFpower、LF/HF 等，非線性特征：sampEn、ApEn、Poincare plot 等，形態(tài)學(xué)特征：P-wavepower，QT interval 等。針對(duì)這些特征，，這里采用了 Adaboost 分類模型�；谏疃葘W(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的特征提取了不同頻段的濾波分解后的信號(hào)波，分類模型采用適應(yīng)性改進(jìn)的大卷積核一維殘差網(wǎng)絡(luò)，即 LKNet，最后通過(guò)多個(gè) LKNet全連接輸出。ECG 分類系統(tǒng)架構(gòu)如圖 2-1 所示。

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文進(jìn)行重構(gòu)，形成過(guò)濾后的心電信號(hào)，從而濾除肌電正基線漂移 這里基線漂移對(duì)于心電信號(hào)的特征提有著較大的影響，過(guò)大的基線漂移會(huì)導(dǎo)致波形檢測(cè)差。因此修正基線漂移是心電信號(hào)消噪過(guò)程中的關(guān)基線法對(duì)于抑制基線漂移都有著顯著效果，擬合基線了擬合基線法中的移動(dòng)窗口中值濾波。其基本原理遍歷原始心電信號(hào)。用采樣點(diǎn)對(duì)應(yīng)的窗口的中值來(lái)程如圖 2-2 所示。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;TN912.3;TP18;R540.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 成謝鋒;蔡華民;;二維心音圖特征提取與識(shí)別方法的研究[J];圖學(xué)學(xué)報(bào);2014年02期

2 尤鳳珍;心音圖780例總結(jié)[J];實(shí)用醫(yī)學(xué)雜志;1994年01期

3 趙淑清;;先天性心臟病的心音圖診斷[J];寧夏醫(yī)學(xué)雜志;1990年01期

4 高云秋;運(yùn)動(dòng)員心音圖檢查(醫(yī)務(wù)監(jiān)督第六講)[J];中國(guó)運(yùn)動(dòng)醫(yī)學(xué)雜志;1987年04期

5 畢蘊(yùn)才;陳祖堯;;動(dòng)脈導(dǎo)管未閉伴肺動(dòng)脈瓣關(guān)閉不全的心音圖表現(xiàn)[J];心電學(xué)雜志;1987年03期

6 李溫娘;周令儀;;心臟聽診及心音圖估計(jì)肺動(dòng)脈瓣狹窄程度及右心室壓力[J];廣州醫(yī)藥;1987年06期

7 夏德義;王守智;葉永祥;張德全;趙煥喜;張治國(guó);崔思恒;關(guān)振中;鄒玉臣;于維漢;趙政;楊秀;;克山病的心臟聽診與心音圖的研究[J];中國(guó)地方病防治雜志;1987年01期

8 劉文華,蔣澤棟;健康青少年心臟收縮時(shí)間間期測(cè)定研究[J];同濟(jì)醫(yī)科大學(xué)學(xué)報(bào);1988年04期

9 王煥珍;急性風(fēng)濕性心臟炎3例誤診分析[J];廣東醫(yī)學(xué);1988年01期

10 Richard J;張凱;張鈞;;用于心音圖分段和特征化的三通道微機(jī)系統(tǒng)[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);1988年03期

相關(guān)會(huì)議論文 前7條

1 胡鋼;;心音圖臨床應(yīng)用60例分析[A];第二屆全國(guó)心功能學(xué)術(shù)研討會(huì)論文摘要匯編[C];1990年

2 瞿俊豪;王倩;張江德;;舒張?jiān)缙谛囊舻男囊魣D鑒別診斷(附7例報(bào)告)[A];第二屆全國(guó)心功能學(xué)術(shù)研討會(huì)論文摘要匯編[C];1990年

3 徐耕;張文波;周穎;;現(xiàn)代心音圖在心衰診斷及治療中的研究進(jìn)展[A];2013年浙江省心電生理與起搏學(xué)術(shù)年會(huì)論文匯編[C];2013年

4 劉軍;潘家華;王威廉;劉志華;;基于短時(shí)傅立葉變換的先天性心臟病心音的研究[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（下冊(cè)）[C];2007年

5 劉靜云;崔麗慧;;200例冠心病心音圖改變及臨床分析[A];第二屆全國(guó)心功能學(xué)術(shù)研討會(huì)論文摘要匯編[C];1990年

6 李順昌;蘇全生;;心電與心音信號(hào)在運(yùn)動(dòng)性心肌頓抑評(píng)定中的應(yīng)用研究[A];中國(guó)生理學(xué)會(huì)第24屆全國(guó)會(huì)員代表大會(huì)暨生理學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2014年

7 黃新國(guó);;阻抗微分圖測(cè)算左室剩余血[A];第四屆全國(guó)心功能學(xué)術(shù)研討會(huì)論文摘要集[C];1994年

相關(guān)碩士學(xué)位論文 前10條

1 譚峗;基于深度學(xué)習(xí)與集成學(xué)習(xí)的心音分類算法研究及智能聽診系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2019年

2 陳正豪;可穿戴心音監(jiān)測(cè)裝置的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2019年

3 徐韻秋;基于深度卷積神經(jīng)網(wǎng)絡(luò)的心音智能分析[D];重慶郵電大學(xué);2019年

4 王朝;基于深度學(xué)習(xí)算法的心電與心音診斷研究[D];哈爾濱工業(yè)大學(xué);2018年

5 蔣飛朋;基于雙麥克風(fēng)濾波的遠(yuǎn)程心音聽診系統(tǒng)的研發(fā)[D];華南理工大學(xué);2018年

6 王s

本文編號(hào)：2611261