【摘要】：心電圖是醫(yī)生用于進(jìn)行心臟疾病診斷和治療的重要依據(jù),而判讀心電圖通常依賴于醫(yī)生的主觀意見和經(jīng)驗(yàn)。隨著患者的增多,醫(yī)生們每天要診斷的心電圖的數(shù)量是巨大的,這非常容易造成疾病的誤診,同時(shí)依靠人工識(shí)別心電圖往往缺乏實(shí)時(shí)性,有可能會(huì)耽誤患者治療的最佳時(shí)機(jī)。因此,將基于深度學(xué)習(xí)的心電信號(hào)自動(dòng)分析識(shí)別技術(shù)應(yīng)用到心臟疾病科學(xué)研究中,在減輕醫(yī)生的工作量的同時(shí)能夠提升診斷的準(zhǔn)確程度,這在臨床應(yīng)用中將會(huì)對(duì)心臟病的診斷和治療產(chǎn)生巨大的價(jià)值。本文采用麻省理工學(xué)院的心律失常數(shù)據(jù)庫(MIT-BIH數(shù)據(jù)庫)進(jìn)行信號(hào)預(yù)處理和自動(dòng)分類研究。先用小波變換對(duì)心電信號(hào)進(jìn)行尺度分解,并選取合適的閾值和閾值函數(shù)對(duì)心電信號(hào)中三種主要噪聲(基線漂移、肌電干擾和工頻干擾)進(jìn)行去噪。再將去噪之后的心電信號(hào)以R波為軸,分別向前向后共取256個(gè)點(diǎn),獲取一個(gè)心拍樣本,對(duì)獲取的心拍樣本進(jìn)行Wigner時(shí)頻變換,將一維信號(hào)轉(zhuǎn)變?yōu)槎S圖像。最后采用LeNet-5和VGGNet-16兩種卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)圖像進(jìn)行識(shí)別分類,并且對(duì)模型分別進(jìn)行改進(jìn),在經(jīng)典的LeNet-5的基礎(chǔ)上增加一層卷積層和池化層,并分別增加三個(gè)卷積層上的卷積核個(gè)數(shù)為32、64和128,并選取合適尺寸的卷積核;為了模型能夠從數(shù)據(jù)中提取更加抽象、有辨識(shí)度的特征,在VGGNet-16基礎(chǔ)上,在卷積層模塊5上增加一層卷積層,并增加卷積層模塊5上卷積核個(gè)數(shù)為700,進(jìn)行實(shí)驗(yàn)對(duì)比。本文選取七類共16246幅心拍時(shí)頻圖作為數(shù)據(jù)集,最終得到原始的LeNet-5模型的分類準(zhǔn)確率為63.75%,改進(jìn)后的LeNet-5模型的分類準(zhǔn)確率為92.48%,VGGNet-16網(wǎng)絡(luò)模型對(duì)數(shù)據(jù)的分類準(zhǔn)確率為97.43%,比改進(jìn)的LeNet-5模型識(shí)別率高出5個(gè)左右的百分點(diǎn),VGGNet-16改進(jìn)1模型的分類準(zhǔn)確率為97.9%,VGG-16改進(jìn)2模型的分類準(zhǔn)確率為98.9%。最后給測(cè)試集數(shù)據(jù)加不同強(qiáng)度的高斯白噪聲,結(jié)果表明信號(hào)的信噪比越低,識(shí)別準(zhǔn)確率越低,當(dāng)信噪比為25-17dB時(shí),改進(jìn)后的LeNet-5模型準(zhǔn)確率變化不大,當(dāng)信噪比小于17dB后,準(zhǔn)確率開始快速下降,最終為62.79%;VGGNet-16模型和改進(jìn)后的VGGNet-16模型在25-13dB時(shí),準(zhǔn)確率下降很緩慢,而當(dāng)信號(hào)信噪比小于13dB后準(zhǔn)確率快速下降,最終分別為70.95%和75.26%。
【圖文】：

心臟傳導(dǎo)系統(tǒng)圖

正常心拍房性期前收縮：是指心房提前興奮，興奮經(jīng)過心房、房室結(jié)再到心室，使心室收縮
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;TN911.7;R541.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 竇春江;徐盛開;寇煒;;臨床心電圖的解析與應(yīng)用方法[J];實(shí)用心電學(xué)雜志;2015年05期

2 金林鵬;董軍;;面向臨床心電圖分析的深層學(xué)習(xí)算法[J];中國科學(xué):信息科學(xué);2015年03期

3 王穎;金志軍;;常用數(shù)字濾波算法[J];中國計(jì)量;2012年03期

4 黃傳波;金忠;;應(yīng)用視覺注意多分辨率分析的圖像檢索[J];中國圖象圖形學(xué)報(bào);2011年09期

5 王玉靜;宋立新;康守強(qiáng);;基于EMD和奇異值分解的心律失常分類方法[J];信號(hào)處理;2010年09期

6 宋智;李焱淼;;時(shí)頻分析在心電信號(hào)分析中的應(yīng)用[J];大連交通大學(xué)學(xué)報(bào);2010年02期

7 毛玲;孫即祥;張國敏;季虎;;基于形態(tài)濾波的心電信號(hào)基線矯正算法[J];信號(hào)處理;2008年04期

8 張涇周;李陳;李婷;張良筱;;基于神經(jīng)網(wǎng)絡(luò)的心電信號(hào)分類方法研究[J];中國醫(yī)療器械雜志;2008年03期

相關(guān)博士學(xué)位論文 前1條

1 王利琴;心電信號(hào)波形檢測(cè)與心律失常分類研究[D];河北工業(yè)大學(xué);2015年

，

本文編號(hào)：2690585