發(fā)布時(shí)間：2022-12-08 00:32

　　近年來,心血管相關(guān)疾病已經(jīng)成為威脅人類生命健康的“頭號殺手”,得到了人們的重視。心律失常與心力衰竭都是比較常見的心臟疾病,對這兩類疾病進(jìn)行及時(shí)準(zhǔn)確的檢測和診斷,能夠及早地對患病人群或高風(fēng)險(xiǎn)人群進(jìn)行治療或干預(yù),對于提高人們生活質(zhì)量有著重要的社會價(jià)值和研究意義。心電圖作為一種無創(chuàng)檢測方法,一直是檢測和診斷心臟疾病的重要工具。特別是隨著智能硬件和物聯(lián)網(wǎng)的不斷發(fā)展,可佩戴式心電監(jiān)護(hù)儀成為了人們進(jìn)行日常心臟健康監(jiān)護(hù)的新選擇。因此,如何基于可佩戴式心電監(jiān)護(hù)儀所采集到的信號（一般情況下為單導(dǎo)聯(lián)心電信號或連續(xù)心率信號）進(jìn)行智能檢測和診斷,成為了心血管疾病智能診斷領(lǐng)域的研究熱點(diǎn)。本文基于以上考慮,重點(diǎn)研究基于單導(dǎo)聯(lián)心電信號和連續(xù)心跳節(jié)律信號進(jìn)行心律失常及充血性心力衰竭智能診斷的相關(guān)算法與技術(shù),分析心電信號自動(dòng)識別和診斷過程中存在的問題,在提升識別準(zhǔn)確度的同時(shí),保證識別速度,為這兩類心血管疾病的智能診斷系統(tǒng)的建立提供技術(shù)支持,促進(jìn)智能識別在心臟健康監(jiān)護(hù)中的應(yīng)用。而出于對采集設(shè)備便攜性和識別精準(zhǔn)度的綜合考慮,本文還對如何從三導(dǎo)聯(lián)心電信號重構(gòu)標(biāo)準(zhǔn)十二導(dǎo)聯(lián)心電信號的方法進(jìn)行了研究,為未來更準(zhǔn)確、更方便地進(jìn)行心臟... 

【文章頁數(shù)】：126 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 單導(dǎo)聯(lián)心電信號的研究現(xiàn)狀
        1.2.2 基于RR間隔信號的心力衰竭識別研究現(xiàn)狀
        1.2.3 標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電信號重構(gòu)研究現(xiàn)狀
    1.3 課題主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)
第二章 研究基礎(chǔ)及相關(guān)技術(shù)背景
    2.1 心電信號和RR間隔信號
        2.1.1 心電信號及RR間隔信號的生理機(jī)制
        2.1.2 心電信號及RR間隔信號的形態(tài)特征及相關(guān)指標(biāo)
        2.1.3 心電信號及RR間隔信號的診斷意義
    2.2 仿生小波變換相關(guān)技術(shù)
        2.2.1 小波變換基本原理
        2.2.2 連續(xù)小波變換定義
        2.2.3 仿生小波變換原理
    2.3 數(shù)據(jù)降維相關(guān)技術(shù)
    2.4 聚類分析相關(guān)技術(shù)
    2.5 深度學(xué)習(xí)相關(guān)技術(shù)
        2.5.1 深度學(xué)習(xí)概述
        2.5.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.5.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.6 本章小結(jié)
第三章 基于仿生小波變換的心電信號預(yù)處理研究
    3.1 引言
    3.2 基于仿生小波變換的心電信號預(yù)處理研究
        3.2.1 算法整體流程
        3.2.2 基于仿生小波變換的心電信號去噪方法研究
        3.2.3 基于仿生小波變換的R波提取方法研究
    3.3 實(shí)驗(yàn)結(jié)果與對比分析
        3.3.1 心電信號去噪結(jié)果與分析
        3.3.2 R波提取結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于AP算法的半監(jiān)督聚類用于心律失常識別的研究
    4.1 引言
    4.2 基于AP算法的半監(jiān)督聚類用于心律失常識別的研究
        4.2.1 獨(dú)立心拍信號分割
        4.2.2 基于ICA的心拍特征提取
        4.2.3 基于AP算法的半監(jiān)督聚類用于心律失常的研究
    4.3 實(shí)驗(yàn)結(jié)果與對比分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)
        4.3.2 評價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)結(jié)果與對比分析
    4.4 本章小結(jié)
第五章 基于深度學(xué)習(xí)用于心力衰竭檢測的短時(shí)RR間隔信號分類方法研究
    5.1 引言
    5.2 基于LSTM網(wǎng)絡(luò)的心力衰竭檢測研究
        5.2.1 基于LSTM的網(wǎng)絡(luò)模塊結(jié)構(gòu)
        5.2.2 算法整體架構(gòu)及內(nèi)部參數(shù)
        5.2.3 模型訓(xùn)練過程
    5.3 基于深度學(xué)習(xí)架構(gòu)的心力衰竭集成檢測研究
        5.3.1 專家經(jīng)驗(yàn)特征
        5.3.2 基于深度網(wǎng)絡(luò)模塊的高維度特征提取
        5.3.3 基于集成學(xué)習(xí)的心力衰竭檢測
        5.3.4 模型訓(xùn)練過程及特征重要度
    5.4 實(shí)驗(yàn)過程
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理
        5.4.2 驗(yàn)證過程
    5.5 實(shí)驗(yàn)結(jié)果與對比分析
        5.5.1 評價(jià)指標(biāo)
        5.5.2 實(shí)驗(yàn)結(jié)果與對比分析
    5.6 本章小結(jié)
第六章 基于卷積神經(jīng)網(wǎng)絡(luò)由三導(dǎo)聯(lián)向標(biāo)準(zhǔn)十二導(dǎo)聯(lián)轉(zhuǎn)換的方法研究
    6.1 引言
    6.2 基于卷積神經(jīng)網(wǎng)絡(luò)的導(dǎo)聯(lián)轉(zhuǎn)換模型
        6.2.1 導(dǎo)聯(lián)子集選擇
        6.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的導(dǎo)聯(lián)轉(zhuǎn)換模型設(shè)計(jì)
    6.3 實(shí)驗(yàn)結(jié)果與對比分析
        6.3.1 實(shí)驗(yàn)數(shù)據(jù)
        6.3.2 對比方法
        6.3.3 評價(jià)指標(biāo)
        6.3.4 訓(xùn)練方式
        6.3.5 實(shí)驗(yàn)結(jié)果與對比分析
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文研究工作總結(jié)
    7.2 后續(xù)工作展望
參考文獻(xiàn)
縮略語說明
致謝
作者攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)小波閾值的心電信號降噪方法[J]. 王磊,孫瑋,陳奕博,李鵬,趙凌霄.  計(jì)算機(jī)工程與應(yīng)用. 2018(15)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[3]基于仿生小波變換和自適應(yīng)閾值的語音增強(qiáng)方法[J]. 楊璽,樊曉平.  控制與決策. 2006(09)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的心電信號檢測和分類研究[D]. 項(xiàng)延德.浙江大學(xué) 2018
[2]基于聽覺仿生的目標(biāo)聲音識別系統(tǒng)研究[D]. 張文娟.中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所） 2012

碩士論文
[1]標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電信號重建方法研究[D]. 陳方劍.浙江大學(xué) 2015
[2]支持向量機(jī)（SVM）及其在心電圖（ECG）分類識別中的應(yīng)用[D]. 唐孝.四川師范大學(xué) 2007



本文編號：3713176