【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)已成為人們健康問題的最大殺手。心臟搏動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單有效工具,能夠為心血管這一類疾病診斷帶來更多輔助,甚至對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診斷,診斷框架基于ECG和PCG構建,包括信號預處理、特征提取和模型分類三個大模塊以及噪聲去除、信號分割等子模塊。并針對診斷流程中的多個點進行了算法改進和創(chuàng)新。本文所用的ECG和PCG數據庫為CinC Challenge 2017和CinC Challenge 2016,都是來自PhysioNet網站的公開數據庫。本文分析了RR間隔分割和固定分割這兩種信號分割方法,指出RR間隔分割對于深度學習模型適應性不足,而固定分割會損失原有信號,并提出了滑窗分割方法,從而提高了模型的泛化能力。本文針對現(xiàn)有的CNN模型在ECG和PCG上的應用做了適應性改進,通過分析一維信號與二維圖像之間的不同,分析出圖像領域普遍采納的小卷積核思想應用在ECG和PCG上的劣勢,并提出一種大尺度卷積核一維殘差網絡(LKNet)。在ECG診斷階段,本文分析了ECG數據庫中4類標簽分類的難易程度,并結合最優(yōu)化問題中外罰函數的思想,有針對性的修改了Loss函數。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在ECG數據庫上的F1值為84.06%,在PCG數據庫上的MAcc值為91.48%,在兩個數據庫上都達到了state-of-art的效果。
【圖文】：

第 2 章 基于 ECG 的自動診斷算法研究2.1 ECG 系統(tǒng)概要ECG 診斷系統(tǒng)分為以下幾個模塊，即去噪、信號分割、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；信號分割有 RR 間隔分割和固定分割等幾種；作為對比，也進行了傳統(tǒng)機器學習模型分類實驗，所提取的特征包括時域特征：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)學特征：P-wavepower，QT interval 等。針對這些特征，，這里采用了 Adaboost 分類模型。基于深度學習神經網絡的特征提取了不同頻段的濾波分解后的信號波，分類模型采用適應性改進的大卷積核一維殘差網絡，即 LKNet，最后通過多個 LKNet全連接輸出。ECG 分類系統(tǒng)架構如圖 2-1 所示。

哈爾濱工業(yè)大學工學碩士學位論文進行重構，形成過濾后的心電信號，從而濾除肌電正基線漂移 這里基線漂移對于心電信號的特征提有著較大的影響，過大的基線漂移會導致波形檢測差。因此修正基線漂移是心電信號消噪過程中的關基線法對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窗口中值濾波。其基本原理遍歷原始心電信號。用采樣點對應的窗口的中值來程如圖 2-2 所示。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TN912.3;TP18;R540.4

【相似文獻】

相關期刊論文 前10條

1 成謝鋒;蔡華民;;二維心音圖特征提取與識別方法的研究[J];圖學學報;2014年02期

2 尤鳳珍;心音圖780例總結[J];實用醫(yī)學雜志;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)學雜志;1990年01期

4 高云秋;運動員心音圖檢查(醫(yī)務監(jiān)督第六講)[J];中國運動醫(yī)學雜志;1987年04期

5 畢蘊才;陳祖堯;;動脈導管未閉伴肺動脈瓣關閉不全的心音圖表現(xiàn)[J];心電學雜志;1987年03期

6 李溫娘;周令儀;;心臟聽診及心音圖估計肺動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;崔思恒;關振中;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間間期測定研究[J];同濟醫(yī)科大學學報;1988年04期

9 王煥珍;急性風濕性心臟炎3例誤診分析[J];廣東醫(yī)學;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系統(tǒng)[J];國外醫(yī)學.生物醫(yī)學工程分冊;1988年03期

相關會議論文 前7條

1 胡鋼;;心音圖臨床應用60例分析[A];第二屆全國心功能學術研討會論文摘要匯編[C];1990年

2 瞿俊豪;王倩;張江德;;舒張早期心音的心音圖鑒別診斷(附7例報告)[A];第二屆全國心功能學術研討會論文摘要匯編[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展[A];2013年浙江省心電生理與起搏學術年會論文匯編[C];2013年

4 劉軍;潘家華;王威廉;劉志華;;基于短時傅立葉變換的先天性心臟病心音的研究[A];第十七屆全國測控計量儀器儀表學術年會（MCMI'2007）論文集（下冊）[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];第二屆全國心功能學術研討會論文摘要匯編[C];1990年

6 李順昌;蘇全生;;心電與心音信號在運動性心肌頓抑評定中的應用研究[A];中國生理學會第24屆全國會員代表大會暨生理學學術大會論文匯編[C];2014年

7 黃新國;;阻抗微分圖測算左室剩余血[A];第四屆全國心功能學術研討會論文摘要集[C];1994年

相關碩士學位論文 前10條

1 譚峗;基于深度學習與集成學習的心音分類算法研究及智能聽診系統(tǒng)實現(xiàn)[D];華南理工大學;2019年

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

3 徐韻秋;基于深度卷積神經網絡的心音智能分析[D];重慶郵電大學;2019年

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

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

6 王s

本文編號：2611261