心臟病是一類常見的突發(fā)性疾病,發(fā)作時(shí)不進(jìn)行及時(shí)診治很容易對(duì)病人生命健康造成威脅�？纱┐魇叫碾姳O(jiān)護(hù)設(shè)備能夠長(zhǎng)期記錄和實(shí)時(shí)分析心電信號(hào),對(duì)心臟類疾病的發(fā)作做出及時(shí)預(yù)警,顯著提升了患者發(fā)病時(shí)的存活率。實(shí)現(xiàn)高準(zhǔn)確率的異常心跳識(shí)別算法及其高能效架構(gòu)設(shè)計(jì)是目前可穿戴式心電監(jiān)護(hù)設(shè)備所面臨的主要挑戰(zhàn)。本文以心跳自動(dòng)分類為應(yīng)用場(chǎng)景,從算法和電路兩個(gè)方面進(jìn)行探索,旨在提高便攜式心電監(jiān)護(hù)設(shè)備的診斷準(zhǔn)確率和系統(tǒng)能效。本研究的主要貢獻(xiàn)包括:1.基于BLSTM和CNN結(jié)合的心跳分類模型研究。本文提出一種雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（BLSTM,Bi-directional Long Short-term Memory）和卷積神經(jīng)網(wǎng)絡(luò)（CNN,Convolutional Neural Networks）有機(jī)結(jié)合的算法模型,有助于提取心電信號(hào)中多層次特征,實(shí)現(xiàn)了高準(zhǔn)確率的心跳自動(dòng)分類。進(jìn)一步地,本文通過自適應(yīng)心跳截取技術(shù)保證了不同患者輸入到分類網(wǎng)絡(luò)中的心電數(shù)據(jù)形式上的一致性,并采用聚類的方法篩選出最具代表性的樣本用于構(gòu)建訓(xùn)練集。上述策略有助于通過輕量級(jí)的網(wǎng)絡(luò)規(guī)模獲得更高的心跳分類準(zhǔn)確率,契合便攜式心電監(jiān)護(hù)設(shè)備的應(yīng)用場(chǎng)景。2.基... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：124 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

心電圖中典型心跳形態(tài)

MIT-BIH心律失常數(shù)據(jù)庫(kù)包含來自不同性別、不同年齡的47位病人共計(jì)48條雙通道心電信號(hào)記錄,每條記錄的時(shí)間長(zhǎng)度約為半小時(shí)。其中,第一通道數(shù)據(jù)采用的是標(biāo)準(zhǔn)12導(dǎo)聯(lián)中的MLII導(dǎo)聯(lián),QRS波群特征顯著,通常用于心跳檢測(cè);第二通道數(shù)據(jù)通常采用標(biāo)準(zhǔn)12導(dǎo)聯(lián)中的V1導(dǎo)聯(lián),在偶爾幾個(gè)記錄中采用的是V2、V4或V5導(dǎo)聯(lián),通常用于異常心跳的識(shí)別分類。MIT-BIH心律失常數(shù)據(jù)庫(kù)中的心電信號(hào)采用360赫茲頻率采樣,使用0.1-100赫茲帶通濾波器濾波,保持11比特?cái)?shù)據(jù)精度。數(shù)據(jù)庫(kù)中所有記錄的R波位置和心跳分類標(biāo)簽由兩個(gè)以上的心臟專家獨(dú)立標(biāo)記,一個(gè)典型的具有標(biāo)簽標(biāo)記的記錄如圖1-2所示。在本文的研究中,我們選取MIT-BIH心律失常數(shù)據(jù)庫(kù)全部48條記錄中的44條使用,原因是記錄102,104,107和217含有人工起搏心跳,會(huì)對(duì)心電信號(hào)正常分類產(chǎn)生影響,不被納入研究范疇。MIT-BIH心律失常數(shù)據(jù)庫(kù)中單個(gè)心拍分類標(biāo)簽及對(duì)應(yīng)解釋如表1-1所示。

基于人工提取特征的心跳分類算法流程如圖1-3所示,主要分為特征獲取和心跳分類兩個(gè)步驟。其中,特征獲取步驟主要包含噪聲去除、特征提取和特征篩選三個(gè)過程,目的是生成用于分類的有效特征集合。篩選過的人工特征通過心跳分類步驟借助相關(guān)分類器獲得最終的異常心跳識(shí)別結(jié)果。1.3.1.1特征獲取


本文編號(hào)：3022720