近年來,心血管疾病作為威脅人類生命的重要疾病之一,其發(fā)病率和致死率逐年上升。大部分的心血管疾病早期癥狀都伴隨著心律失�，F(xiàn)象,及時準(zhǔn)確的分類出異常的心電信號類別具有重要的醫(yī)學(xué)價值和社會意義。心電信號分類算法目前存在兩方面問題,大部分分類方法都是基于心電信號數(shù)據(jù)進(jìn)行分類,對心電信號時域波形及變換域數(shù)據(jù)集分類研究較少,信號的單一特征分類準(zhǔn)確度較低,并且分類算法模型的時間復(fù)雜度高及運算參數(shù)量較多。針對上述問題,本文給出基于時頻變換的數(shù)據(jù)特征分析算法,以及給出了基于深度卷積網(wǎng)絡(luò)結(jié)合遷移學(xué)習(xí)的分類判別算法,在小數(shù)據(jù)樣本中獲得了較好分類性能,并且降低了時間復(fù)雜度和運算數(shù)據(jù)量。本文主要工作內(nèi)容如下:1)給出一種基于小波分解的信號預(yù)處理方法。首先對原始心電信號分別采用Daubechies小波和Symlet小波變換進(jìn)行去噪預(yù)處理,利用小波分解濾除高頻噪聲,實驗仿真對比采用Daubechies小波在分解層數(shù)為6時,信噪比達(dá)到最高。其次根據(jù)MIT-BIH數(shù)據(jù)庫文件標(biāo)注信息檢測QRS波,并進(jìn)行心拍劃分,完成心電信號時域波形數(shù)據(jù)集的構(gòu)建。在時域數(shù)據(jù)集中,主要從QRS波形態(tài)學(xué)角度選取異常信號特征,進(jìn)而來區(qū)分六類心電... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．２?ＥＣＧ自動分析框架??Ｆｉｇ．?１．２?ＥＣＧ?ａｕｔｏｍａｔｉｃ?ａｎａｌｙｓｉｓ?ｆｒａｍｅｗｏｒｋ??

?基于深度遷移學(xué)習(xí)的心電信號分類算法研究???２?ＥＣＧ及深度遷移網(wǎng)絡(luò)??２．１心電知識及產(chǎn)生機(jī)理??２．１．１?ＥＣＧ波形特性??ＥＣＧ波形有一定的規(guī)律，其記錄的每一個波形結(jié)果反應(yīng)心臟生理學(xué)特有區(qū)域的特??點。在每個心跳周期內(nèi)，由竇房結(jié)產(chǎn)生的激動，經(jīng)過心房依次傳導(dǎo)至心室。在激動傳導(dǎo)??的過程中，呈現(xiàn)出有一定大孝方向和時程的電位變化。這種電位變化使身體各個部位??在每一個心跳周期都呈現(xiàn)有規(guī)律的電變化，并用儀器進(jìn)行記錄。ＥＣＧ是引導(dǎo)電極在肢體??或軀體部位記錄到的心電變化曲線，己被證明是臨床醫(yī)學(xué)中最有用的診斷測試方式之一??［２５］，其反映了心臟激動的發(fā)生、傳導(dǎo)和還原過程的生物電變化，但與心臟的收縮活動無??直接關(guān)系。因此，在心跳周期中ＥＣＧ代表整個心臟各部分組織電活動信號的綜合向量??變化。典型的ＥＣＧ波形中一個心跳周期分別由Ｐ波、Ｐ—Ｒ段、ＰＲ間期、ＱＲＳ波、ＳＴ??段和Ｔ波組成如圖２．１所示。??ＱＲＳ??Ｃｏ?ｔｕｐｌｅｓ??Ｒ??ＲＲ?歷麗?Ｓｅｇｍｅｎｌ??ＰＲ?Ｉｎｔｅｒｖａｌ?？??１?ｓ??ＱＴ?Ｉｎｔｅｒｖａｌ??圖２．１典型一個心跳周期ＥＣＧ波形??Ｆｉｇ．?２．１?Ｐｅｒｃｅｐｔｒｏｎ?ｔｙｐｉｃａｌ?ｏｎｅ?ｃｙｃｌｅ?ＥＣＧ?ｗａｖｅｆｏｍｉ??－８?－??

?基于深度遷移學(xué)習(xí)的心電信號分類算法研究???２．?２．?１神經(jīng)元及神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??人工神經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＡＮＮ?），簡稱神經(jīng)網(wǎng)絡(luò)（Ｎｅｕｒａｌ??Ｎｅｔｗｏｒｋ，ＮＮ），表示為一種具有模仿生物特點的神經(jīng)網(wǎng)絡(luò)（類似于人類大腦的中樞神經(jīng)??系統(tǒng)），并且包含數(shù)學(xué)運算模型性能，主要目的是對函數(shù)進(jìn)行近似計算或估計。神經(jīng)元??作為ＮＮ最基本組成單位，圖２．２給出單個神經(jīng)元的基本模型示意圖。??ｙ／?求和?激活函數(shù)?輸出??ｙ??？、?？?＼??輸入權(quán)值??圖２．?２神經(jīng)元基本模型??Ｆｉｇ．?２．２?Ｂａｓｉｃ?ｎｅｕｒｏｎ?ｍｏｄｅｌ??如圖２．２所示，單個神經(jīng)元模型中包括多個輸入信號ｘ１，ｘ２，ｘ３．．．ｘｎ，向量??代表輸入信號的集合，每個輸入神經(jīng)元對應(yīng)的權(quán)重表示為??＼￥＝［％，％凡．．．％］。根據(jù)輸入信號和權(quán)重加權(quán)求和得向量Ｚ，經(jīng)過激活函數(shù)處理后得??到輸出結(jié)果表達(dá)式如下??ｙ?＝?ｆ（Ｚ）?＝?ｆ［ＹＷｒｘＡ?＝?ｆ｛ＷＳ．）?（２．１）??Ｖ?／＝ｉ?ｙ??常見的激活函數(shù)大體分為兩類：Ｓｉｇｍｏｉｄ函數(shù)和ＲｅＬＵ?（Ｒｅｃｔｉｆｉｅｄ?Ｌｉｎｅｒ?Ｕｎｉｔｓ）函數(shù)。??函數(shù)表達(dá)式如式（２．２）、（２．３）所示??－１２?－??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度遷移學(xué)習(xí)的煙霧識別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計算機(jī)應(yīng)用. 2017(11)
[2]基于遷移學(xué)習(xí)的唐詩宋詞情感分析[J]. 吳斌,吉佳,孟琳,石川,趙惠東,李儀清.  電子學(xué)報. 2016(11)
[3]論心電信號檢測中的噪聲與干擾及其消除方法[J]. 彭飛武,熊平,蔡曉珠,劉建庭,傅偉.  醫(yī)療衛(wèi)生裝備. 2007(09)
[4]人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J]. 朱大奇.  江南大學(xué)學(xué)報. 2004(01)
[5]模糊算法在心律失常病類判別中的應(yīng)用[J]. 孟兆輝,張永紅,白凈.  電子學(xué)報. 2001(09)



本文編號：3516150