本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的心電圖自動(dòng)分類方法研究與實(shí)現(xiàn)

  更多相關(guān)文章： 心電圖 深度神經(jīng)網(wǎng)絡(luò) 自動(dòng)分類 多導(dǎo)聯(lián)濾波 心律失常

【摘要】：隨著人們的生活節(jié)奏和壓力逐步加大,心臟病已經(jīng)成為威脅人們生命健康的重大殺手之一。而心電圖反應(yīng)了人體心臟健康狀況,在臨床上被廣泛用于心臟病檢查。但由于心電信號(hào)非常微弱，抗干擾性差,現(xiàn)有心電圖自動(dòng)分類算法在測(cè)試集上效果很好,但用于實(shí)際臨床時(shí)效果下降很多,最終診斷需要依賴醫(yī)生去完成。因此研究一種能夠心電圖進(jìn)行有效檢測(cè)和識(shí)別的心電圖自動(dòng)分類方法尤為重要。本文的主要研究工作分為以下幾個(gè)部分：1.在已有的心電圖自動(dòng)分類方法中,大多數(shù)實(shí)驗(yàn)均基于標(biāo)準(zhǔn)數(shù)據(jù)庫例如MIT-BIH數(shù)據(jù)庫得出結(jié)論。由于標(biāo)準(zhǔn)數(shù)據(jù)庫的心電圖只是來自少數(shù)個(gè)體,導(dǎo)致已有的方法往往在數(shù)據(jù)庫測(cè)試集上取得很好的效果,但是用于臨床上時(shí)則效果下降明顯。因此本文采用來自臨床的CCDD數(shù)據(jù)庫,提高了算法的泛化能力。2.普通的濾波方法都是對(duì)單導(dǎo)聯(lián)心電圖進(jìn)行濾波,在濾波的同時(shí)會(huì)損失有用的信息。因此本文針對(duì)心電圖多導(dǎo)聯(lián)的特殊結(jié)構(gòu),利用導(dǎo)聯(lián)之間的相關(guān)性,采用了多導(dǎo)聯(lián)濾波算法對(duì)心電圖進(jìn)行濾波,在去除噪聲的同時(shí)減少有用信息的損失,以便后續(xù)的分類識(shí)別。3.心電圖分類最終目的是要擬合成一個(gè)高度復(fù)雜的非線性決策函數(shù)。傳統(tǒng)的算法通常先提取特征,再進(jìn)行分類。心電圖的正確分類依賴于正確特征的提取,如果提取的特征不能真實(shí)反映心電圖的內(nèi)在屬性,那么后續(xù)分類器設(shè)計(jì)的再完美,分類效果也會(huì)很差。本文直接對(duì)原始數(shù)據(jù)進(jìn)行深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練,逐層提取心電圖的特征,最后進(jìn)行分類,特征提取和分類過程融合在一起,最終擬合出決策函數(shù)對(duì)心電圖進(jìn)行自動(dòng)分類。本文最后采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)心電圖分類,基于CCDD數(shù)據(jù)庫進(jìn)行正異常二分類時(shí),準(zhǔn)確率達(dá)到82.5%；基于MIT-BIH數(shù)據(jù)庫進(jìn)行正常和四種心律失常疾病心電圖分類時(shí),準(zhǔn)確率達(dá)到98.82%。與現(xiàn)有的分類方法相比,本文的算法提高了心電圖自動(dòng)分類的準(zhǔn)確率,具有良好的泛化能力。
【關(guān)鍵詞】：心電圖 深度神經(jīng)網(wǎng)絡(luò) 自動(dòng)分類 多導(dǎo)聯(lián)濾波 心律失常
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP183
【目錄】：

• 摘要8-9
• ABSTRACT9-11
• 第一章 緒論11-19
• 1.1 課題研究的背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 心電圖去噪預(yù)處理的研究現(xiàn)狀12-13
• 1.2.2 心電圖特征提取的研究現(xiàn)狀13-14
• 1.2.3 心電圖分類識(shí)別的研究現(xiàn)狀14-16
• 1.3 存在的問題16
• 1.4 本文的主要研究?jī)?nèi)容和創(chuàng)新性16-17
• 1.5 本文的組織結(jié)構(gòu)17-19
• 第二章 心電圖和深度神經(jīng)網(wǎng)絡(luò)19-37
• 2.1 引言19
• 2.2 基本心電知識(shí)和心律失常19-24
• 2.2.1 心電圖產(chǎn)生機(jī)理19-20
• 2.2.2 正常心電圖介紹20-22
• 2.2.3 心律失常的誘因22
• 2.2.4 心律失常的分類22-24
• 2.3 常用標(biāo)準(zhǔn)心電圖數(shù)據(jù)庫24-26
• 2.3.1 四大標(biāo)準(zhǔn)心電圖數(shù)據(jù)庫24-26
• 2.3.2 中國心血管疾病數(shù)據(jù)庫26
• 2.4 深度學(xué)習(xí)的背景26-28
• 2.4.1 什么是深度學(xué)習(xí)26-27
• 2.4.2 淺層學(xué)習(xí)和深度學(xué)習(xí)27-28
• 2.5 深度神經(jīng)網(wǎng)絡(luò)模型28-34
• 2.5.1 限制性玻爾茲曼機(jī)28-31
• 2.5.2 深度置信網(wǎng)絡(luò)31-32
• 2.5.3 卷積神經(jīng)網(wǎng)絡(luò)32-33
• 2.5.4 循環(huán)神經(jīng)網(wǎng)絡(luò)33-34
• 2.6 本章小結(jié)34-37
• 第三章 多導(dǎo)聯(lián)心電信號(hào)濾波算法37-49
• 3.1 引言37
• 3.2 心電信號(hào)的干擾37-39
• 3.2.1 肌電干擾37-38
• 3.2.2 基線漂移38
• 3.2.3 工頻干擾38-39
• 3.3 多導(dǎo)聯(lián)心電信號(hào)濾波39-47
• 3.3.1 多導(dǎo)聯(lián)心電信號(hào)濾波原理40-44
• 3.3.2 多導(dǎo)聯(lián)濾波實(shí)驗(yàn)結(jié)果44-47
• 3.4 本章小結(jié)47-49
• 第四章 深度神經(jīng)網(wǎng)絡(luò)對(duì)心電圖進(jìn)行分類49-61
• 4.1 引言49
• 4.2 實(shí)驗(yàn)平臺(tái)和評(píng)價(jià)指標(biāo)49-50
• 4.3 CCDD數(shù)據(jù)集實(shí)驗(yàn)50-55
• 4.3.1 增加樣本集處理50-51
• 4.3.2 實(shí)驗(yàn)結(jié)果及分析51-55
• 4.4 MIT-BIH數(shù)據(jù)集實(shí)驗(yàn)55-59
• 4.5 本章小結(jié)59-61
• 第五章 總結(jié)和展望61-63
• 5.1 工作總結(jié)61-62
• 5.2 研究展望62-63
• 參考文獻(xiàn)63-67
• 致謝67-69
• 碩士期間發(fā)表的論文和科研成果69
• 碩士期間參加的科研工作69
• 碩士期間所獲獎(jiǎng)項(xiàng)69-70
• 學(xué)位論文評(píng)閱及答辯情況表70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 盧致杰,覃正,韓景倜;多范疇信息的自動(dòng)分類方法[J];計(jì)算機(jī)工程;2005年15期

2 云健;江荻;潘悟云;;E研究中電子文獻(xiàn)的層次化自動(dòng)分類方法[J];計(jì)算機(jī)應(yīng)用與軟件;2009年11期

3 宋培彥;李俊莉;王芳;;跨語言術(shù)語自動(dòng)分類方法及其實(shí)證[J];圖書情報(bào)工作;2013年16期

4 李新城;馮曉天;朱偉興;張炎;;基于形態(tài)特征的鋼中析出相自動(dòng)分類方法[J];塑性工程學(xué)報(bào);2009年02期

5 孫顯;付琨;王宏琦;;基于空間語義對(duì)象混合學(xué)習(xí)的復(fù)雜圖像場(chǎng)景自動(dòng)分類方法研究[J];電子與信息學(xué)報(bào);2011年02期

6 蔣鵬;金煒東;;一種視頻中主要運(yùn)動(dòng)自動(dòng)分類方法[J];計(jì)算機(jī)科學(xué);2012年S3期

7 胡冰;張建立;;基于統(tǒng)計(jì)分布的中文專利自動(dòng)分類方法研究[J];現(xiàn)代圖書情報(bào)技術(shù);2013年Z1期

8 李莼,羅振聲,厲宇航;基于語義相關(guān)和概念相關(guān)的自動(dòng)分類方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2003年12期

9 盧遠(yuǎn),劉卓穎;南方丘陵山區(qū)遙感影像特征選擇與自動(dòng)分類方法[J];廣西師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年S1期

10 何濤;黃國興;;一種無需語句分割的中文文檔自動(dòng)分類方法研究及實(shí)現(xiàn)[J];計(jì)算機(jī)科學(xué);2004年12期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 劉杰;王光飛;;體視化中的自動(dòng)分類方法[A];2004年CT和三維成像學(xué)術(shù)年會(huì)論文集[C];2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 樊承柱;基于深度神經(jīng)網(wǎng)絡(luò)的心電圖自動(dòng)分類方法研究與實(shí)現(xiàn)[D];山東大學(xué);2016年

2 蔚磊;基于地域風(fēng)格的中國民歌自動(dòng)分類方法的研究[D];中國人民大學(xué);2008年

3 姚振農(nóng);產(chǎn)品專利自動(dòng)分類方法研究與應(yīng)用[D];浙江大學(xué);2008年

4 范敏敏;企業(yè)經(jīng)營范圍字段自動(dòng)分類方法研究[D];哈爾濱工業(yè)大學(xué);2010年

5 陳國旭;垂直剖面法礦產(chǎn)資源儲(chǔ)量估算軟件實(shí)現(xiàn)技術(shù)及自動(dòng)分類方法研究[D];中國地質(zhì)大學(xué);2008年

6 魏娜;基于SVM的車輛自動(dòng)分類方法研究與實(shí)現(xiàn)[D];蘇州大學(xué);2008年

7 韓杰;路面病害圖像自動(dòng)分類方法研究與分析[D];南京理工大學(xué);2007年

8 江斌;微博自動(dòng)分類方法研究及應(yīng)用[D];哈爾濱工業(yè)大學(xué);2012年

9 李岱超;社區(qū)用戶信息自動(dòng)分類方法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2015年

10 呂鳳花;基于SVM的考慮傾斜角度的車輛分類方法的研究[D];昆明理工大學(xué);2011年

，

本文編號(hào)：1082399