隨著社會老齡化的發(fā)展,心血管疾病的發(fā)病率和死亡率一直處于遞增狀態(tài),現(xiàn)在已經(jīng)超過腫瘤性疾病成為排名第一的疾病。房顫作為臨床上最常見的心血管疾病,影響著50歲以上約5%的人口,也是腦卒中以及心律衰竭等重大心臟疾病的重要誘因。近年來,因為房顫信號的數(shù)字特征在心律失常藥物效果判斷、房顫輔助診斷以及顫動部位定位等方面展現(xiàn)了重要的臨床價值,所以在房顫發(fā)生時,消除心室信號的干擾,提取房顫信號是幫助臨床醫(yī)生進一步分析房顫的重要手段。為了滿足臨床上對房顫信號的準確性提取要求以及動態(tài)心電信號實時性提取要求,本文對房顫信號提取算法做了進一步的深入研究,本文的主要研究內(nèi)容如下:一、本文提出了基于遺傳回聲狀態(tài)網(wǎng)絡的房顫信號提取算法。為了降低基于回聲狀態(tài)網(wǎng)絡提取房顫信號過程中儲備池參數(shù)人工隨機選擇的盲目性,引入遺傳算法對儲備池參數(shù)進行優(yōu)化,生成最優(yōu)的網(wǎng)絡儲備池用于提取房顫信號。同時,為了加快進化速度,設計了一種自適應遺傳算子,在保證搜索范圍的情況下,滿足回聲狀態(tài)網(wǎng)絡在房顫信號提取中的實時性要求。實驗證明,所提算法在仿真房顫信號提取實驗中的相對均方根誤差達到了0.22,在真實房顫信號提取實驗當中頻譜集中度達到了42...

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及研究意義
    1.2 房顫信號提取研究現(xiàn)狀
    1.3 論文內(nèi)容安排
第二章 回聲狀態(tài)網(wǎng)絡在房顫提取中的應用
    2.1 引言
    2.2 回聲狀態(tài)網(wǎng)絡
        2.2.1 網(wǎng)絡結構
        2.2.2 儲備池參數(shù)
        2.2.3 網(wǎng)絡應用流程
    2.3 回聲狀態(tài)網(wǎng)絡在房顫信號提取中的應用
        2.3.1 房顫的產(chǎn)生機理及特征表現(xiàn)
        2.3.2 回聲狀態(tài)網(wǎng)絡的房顫提取模型
        2.3.3 房顫信號提取評價標準
    2.4 本章小結
第三章 基于遺傳回聲狀態(tài)網(wǎng)絡的房顫信號提取算法
    3.1 引言
    3.2 基于回聲狀態(tài)網(wǎng)絡的房顫信號提取
    3.3 遺傳回聲狀態(tài)網(wǎng)絡
        3.3.1 個體編碼與適應度函數(shù)的選擇
        3.3.2 自適應遺傳算子的設計
        3.3.3 基于遺傳回聲狀態(tài)網(wǎng)絡的房顫提取模型
    3.4 算法驗證和結果分析
        3.4.1 實驗數(shù)據(jù)說明
        3.4.2 數(shù)據(jù)預處理
        3.4.3 仿真房顫信號提取實驗
        3.4.4 真實房顫信號提取實驗
    3.5 本章小結
第四章 ICA與 ESN相結合的房顫信號提取算法
    4.1 引言
    4.2 房顫信號提取的整體框架
    4.3 基于ICA和 ESN的房顫信號提取
        4.3.1 基于負熵的獨立成分信號提取
        4.3.2 利用回聲狀態(tài)網(wǎng)絡完成房顫信號提取
    4.4 算法驗證和結果分析
        4.4.1 仿真房顫信號提取實驗
        4.4.2 真實房顫信號提取實驗
    4.5 本章小結
第五章 總結與展望
    5.1 工作總結
    5.2 后期展望
參考文獻
致謝
個人簡介
攻讀學位期間取得的研究成果



本文編號：3779525