本文關(guān)鍵詞：基于深度置信網(wǎng)絡(luò)的心律失常分類(lèi)算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：心血管疾病的發(fā)病率和死亡率逐年增高,心電信號(hào)ECG作為一種非侵入式測(cè)量手段,反應(yīng)了人體心臟活動(dòng)的電信號(hào),被廣泛應(yīng)用于心血管疾病診斷中。心律失常是一組常見(jiàn)且重要的心血管疾病,心電信號(hào)中心律失常的自動(dòng)分類(lèi)算法研究在臨床上具有重要價(jià)值。心電信號(hào)自動(dòng)分類(lèi)算法關(guān)鍵在于有效特征提取,傳統(tǒng)分類(lèi)算法依賴(lài)經(jīng)驗(yàn)和先驗(yàn)知識(shí),對(duì)心電信號(hào)進(jìn)行人工手動(dòng)特征設(shè)計(jì)和選擇,費(fèi)時(shí)費(fèi)力,不能充分挖掘隱含在海量心電信號(hào)背后的特征。本文的主要研究?jī)?nèi)容包括以下兩點(diǎn):1、基于小波分解閾值處理的心電信號(hào)濾波。根據(jù)心電信號(hào)和噪聲頻率分布特點(diǎn),選擇Symlet4小波基對(duì)心電信號(hào)進(jìn)行9尺度小波分解,將1、9尺度小波系數(shù)置零,本文使用了一種改進(jìn)閾值處理方法,并根據(jù)噪聲在不同小波尺度上的特點(diǎn)提出了一種自適應(yīng)閾值確定方法,對(duì)其他尺度小波系數(shù)進(jìn)行閾值處理后重構(gòu)信號(hào),從而達(dá)到濾波目的,結(jié)果顯示本文提出的自適應(yīng)閾值濾波方法優(yōu)于其他方法,能有效濾除ECG中各種噪聲。2、基于深度置信網(wǎng)絡(luò)(Deep Belief Nets,DBN)的心律失常心拍分類(lèi)方法。本文構(gòu)建了一個(gè)DBN網(wǎng)絡(luò)完成心電信號(hào)特征學(xué)習(xí)和自動(dòng)分類(lèi)任務(wù),DBN由三層限制波爾茨曼機(jī)(Restricted Botlzmann Machines,RBM)和Softmax分類(lèi)器堆疊而成,首先對(duì)各層RBM和Softmax進(jìn)行預(yù)訓(xùn)練,然后利用預(yù)訓(xùn)練得到的權(quán)值參數(shù)對(duì)DBN進(jìn)行初始化,最后利用誤差反向傳播算法對(duì)DBN進(jìn)行有監(jiān)督的微調(diào),從而使網(wǎng)絡(luò)盡可能收斂到全局最優(yōu)值以提高心電信號(hào)分類(lèi)精度。將深度學(xué)習(xí)方法應(yīng)用于心電信號(hào)自動(dòng)分類(lèi)算法中,利用深神經(jīng)網(wǎng)絡(luò)逐層特征學(xué)習(xí)和映射能力,從心電信號(hào)數(shù)據(jù)中學(xué)習(xí)得到深層次特征,從而避免顯式特征提取過(guò)程,增強(qiáng)了算法的魯棒性和抗干擾能力,完成對(duì)心律失常心拍的自動(dòng)分類(lèi)診斷。實(shí)驗(yàn)結(jié)果部分分別對(duì)網(wǎng)絡(luò)層數(shù)、權(quán)值微調(diào)前后對(duì)比結(jié)果以及噪聲干擾對(duì)算法的影響進(jìn)行討論,結(jié)果顯示本文提出的基于DBN的心律失常分類(lèi)算法能較好完成ECG中具有區(qū)分度的深層特征提取任務(wù),實(shí)現(xiàn)了心電信號(hào)中心律失常自動(dòng)分類(lèi)診斷,具有較強(qiáng)穩(wěn)定性和抗干擾能力。
【關(guān)鍵詞】：心律失常 特征提取 小波變換 深度學(xué)習(xí) RBM 深度置信網(wǎng)絡(luò)
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：R541.7;TN911.7
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-21
• 1.1 課題研究背景與意義10-13
• 1.2 心電信號(hào)自動(dòng)分類(lèi)算法的研究?jī)?nèi)容13-14
• 1.3 心電信號(hào)自動(dòng)分類(lèi)算法的研究現(xiàn)狀14-18
• 1.3.1 心電信號(hào)濾波研究現(xiàn)狀分析14
• 1.3.2 心電信號(hào)QRS波群檢測(cè)的研究現(xiàn)狀分析14-15
• 1.3.3 心電信號(hào)特征提取和分類(lèi)器設(shè)計(jì)的研究現(xiàn)狀分析15-18
• 1.4 本文研究?jī)?nèi)容及創(chuàng)新性分析18-19
• 1.5 各章節(jié)安排19-21
• 第2章 心電信號(hào)的基礎(chǔ)知識(shí)21-30
• 2.1 心電信號(hào)的產(chǎn)生機(jī)理及心電圖分析21-24
• 2.2 心律失常分析24-27
• 2.3 數(shù)據(jù)來(lái)源27-29
• 2.4 本章小結(jié)29-30
• 第3章 心電信號(hào)預(yù)處理30-45
• 3.1 心電信號(hào)濾波30-41
• 3.1.1 心電信號(hào)特點(diǎn)及噪聲種類(lèi)30-31
• 3.1.2 小波變換原理31-32
• 3.1.3 基于小波分解的心電信號(hào)濾波32-38
• 3.1.4 心電信號(hào)濾波效果評(píng)價(jià)38-41
• 3.2 心拍劃分41-44
• 3.3 本章小結(jié)44-45
• 第4章 基于深度置信網(wǎng)絡(luò)的心拍分類(lèi)45-69
• 4.1 深度置信網(wǎng)絡(luò)介紹45-46
• 4.2 RBM的訓(xùn)練46-49
• 4.3 基于深度置信網(wǎng)絡(luò)的心拍分類(lèi)49-68
• 4.3.1 預(yù)訓(xùn)練階段50-66
• 4.3.2 權(quán)值初始化和微調(diào)階段66-68
• 4.4 本章小結(jié)68-69
• 第5章 結(jié)果分析和討論69-77
• 5.1 統(tǒng)計(jì)參數(shù)定義69-70
• 5.2 實(shí)驗(yàn)結(jié)果討論70-76
• 5.2.1 深度置信網(wǎng)絡(luò)層數(shù)討論70-71
• 5.2.2 微調(diào)前后分類(lèi)結(jié)果對(duì)比71-72
• 5.2.3 分類(lèi)方法的抗噪聲測(cè)試72-74
• 5.2.4 本文方法與其他方法比較74-76
• 5.3 本章小結(jié)76-77
• 第6章 總結(jié)和展望77-79
• 6.1 工作總結(jié)77-78
• 6.2 工作展望78-79
• 參考文獻(xiàn)79-83
• 致謝83-84
• 攻讀碩士學(xué)位期間發(fā)表論文情況84

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 葛丁飛;李小梅;;心電信號(hào)多周期融合特征提取和分類(lèi)研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2006年06期

2 張紹武;潘泉;趙春暉;程詠梅;;基于加權(quán)自相關(guān)函數(shù)特征提取法的多類(lèi)蛋白質(zhì)同源寡聚體分類(lèi)研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年04期

3 薛建中,鄭崇勛,閆相國(guó);快速多變量自回歸模型的意識(shí)任務(wù)的特征提取與分類(lèi)[J];西安交通大學(xué)學(xué)報(bào);2003年08期

4 楊曉敏,羅立民;白細(xì)胞自動(dòng)分類(lèi)中的特征提取和分析[J];北京生物醫(yī)學(xué)工程;1992年04期

5 王雙維;樊曉平;廖志芳;;一種激光誘導(dǎo)熒光光譜特征提取新方法[J];計(jì)算機(jī)工程與應(yīng)用;2008年12期

6 杜軍平,涂序彥;計(jì)算機(jī)圖像處理技術(shù)在舌像特征提取中的應(yīng)用[J];中國(guó)醫(yī)學(xué)影像技術(shù);2003年S1期

7 游佳;陳卉;;數(shù)字圖像中血管的分割與特征提取[J];生物醫(yī)學(xué)工程與臨床;2011年01期

8 謝軼峰;;乳腺超聲圖像腫瘤特征提取與腫瘤分類(lèi)[J];中外醫(yī)療;2013年16期

9 吳澤暉,吳星;醫(yī)學(xué)圖象的邊緣特征提取[J];海南師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年03期

10 楊曉敏，羅立民，韋鈺;血液白細(xì)胞計(jì)算機(jī)分類(lèi)中的特征提取研究[J];應(yīng)用科學(xué)學(xué)報(bào);1994年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專(zhuān)刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

7 林土勝;賴(lài)聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

9 劉紅;陳光

本文編號(hào)：474277