一種基于CNN和LSTM的新型雙導(dǎo)聯(lián)心律失常分類系統(tǒng)
發(fā)布時間:2021-04-11 15:44
心律失常分類是幫助診斷心臟病的關(guān)鍵且有意義的任務(wù)。目前心律異常在intra-patient的數(shù)據(jù)劃分標準下已經(jīng)取得了巨大成就。然而,當我們從interpatient的角度考慮時,心律失常分類仍然是一個棘手的問題。以前的大部分研究僅關(guān)注intra-patient這種情況,且沒有遵循美國醫(yī)療器械促進協(xié)會(AAMI)的標準。已有的大多數(shù)心律異常分類的研究方法也都是針對intra-patient,且已取得比較好的研究成果,但在intra-patient的這種研究中,同一個病人的數(shù)據(jù)在大多數(shù)時候是既出現(xiàn)在訓練集又出現(xiàn)在測試集上,相比inter-patient訓練集中的病人數(shù)據(jù)不能出現(xiàn)在測試集的這種數(shù)據(jù)劃分方式,inter-patient更具有現(xiàn)實意義,目前inter-patient的研究大多采用傳統(tǒng)提特征的方法且還有很大的提升空間。由于一般的醫(yī)院的心電信號采集設(shè)備可以同時采集到多個導(dǎo)聯(lián)的心電信號,且常用的MIT-BIH數(shù)據(jù)庫由兩導(dǎo)聯(lián)的ECG信號構(gòu)成,本文主要基于二導(dǎo)聯(lián)ECG信號進行研究。由于二導(dǎo)聯(lián)的ECG信號既具有空間上的相關(guān)性又是時間序列,本文主要針對二導(dǎo)聯(lián)ECG信號的特點設(shè)計了心律異常分類系...
【文章來源】:天津大學天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:71 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題研究的背景和意義
1.2 ECG信號及其特點
1.3 Intra-patient和inter-patient的問題
1.4 自動心律異常分類系統(tǒng)概述
1.5 AAMI標準和常見的ECG公開數(shù)據(jù)集
1.6 多分類問題的評價指標
1.7 論文內(nèi)容和結(jié)構(gòu)安排
第2章 多多導(dǎo)聯(lián)心律異常分類系統(tǒng)中ECG信信號的預(yù)處理和傳統(tǒng)特征的提取
2.1 ECG信號的預(yù)處理
2.2 提取ECG信號的傳統(tǒng)特征
2.2.1 基本的形態(tài)特征
2.2.2 小波變換特征
2.3 實驗及結(jié)果分析
2.4 本章小結(jié)
第3章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)中深度學習網(wǎng)絡(luò)特征提取器的設(shè)計
3.1 深度學習關(guān)鍵技術(shù)
3.1.1 激活函數(shù)的選擇
3.1.2 前向傳播和反向傳播算法
3.1.3 正則化方法
3.1.4 卷積神經(jīng)網(wǎng)絡(luò)
3.1.5 長短時記憶網(wǎng)絡(luò)
3.2 二導(dǎo)聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建
3.3 二導(dǎo)聯(lián)的長短時記憶網(wǎng)絡(luò)模型構(gòu)建
3.4 實驗中的網(wǎng)絡(luò)模型參數(shù)設(shè)置
3.5 本章小結(jié)
第4章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)中的不平衡處理和損失函數(shù)的選擇
4.1 不平衡處理
4.1.1 在預(yù)處理中加入不平衡處理
4.1.2 代價敏感學習中的不平衡處理
4.1.3 集成學習中的不平衡處理
4.2 損失函數(shù)的選擇
4.3 實驗及結(jié)果分析
4.4 本章小結(jié)
第5章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)中的特征選擇和分類
5.1 特征選擇
5.1.1 Filter方法
5.1.2 Wrapper方法
5.2 支持向量機(SVM)
5.3 實驗結(jié)果及分析
5.4 本章小結(jié)
第6章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)性能對比和模型泛化性驗證
6.1 整個系統(tǒng)的搭建過程
6.2 系統(tǒng)性能對比
6.3 驗證系統(tǒng)的泛化性
6.4 本章小結(jié)
第7章 總結(jié)與展望
7.1 總結(jié)
7.2 未來展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝
【參考文獻】:
期刊論文
[1]循環(huán)譜分析在心律失常分類中的應(yīng)用研究[J]. 褚晶輝,盧莉莉,呂衛(wèi),李喆. 計算機科學與探索. 2017(11)
本文編號:3131530
【文章來源】:天津大學天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:71 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題研究的背景和意義
1.2 ECG信號及其特點
1.3 Intra-patient和inter-patient的問題
1.4 自動心律異常分類系統(tǒng)概述
1.5 AAMI標準和常見的ECG公開數(shù)據(jù)集
1.6 多分類問題的評價指標
1.7 論文內(nèi)容和結(jié)構(gòu)安排
第2章 多多導(dǎo)聯(lián)心律異常分類系統(tǒng)中ECG信信號的預(yù)處理和傳統(tǒng)特征的提取
2.1 ECG信號的預(yù)處理
2.2 提取ECG信號的傳統(tǒng)特征
2.2.1 基本的形態(tài)特征
2.2.2 小波變換特征
2.3 實驗及結(jié)果分析
2.4 本章小結(jié)
第3章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)中深度學習網(wǎng)絡(luò)特征提取器的設(shè)計
3.1 深度學習關(guān)鍵技術(shù)
3.1.1 激活函數(shù)的選擇
3.1.2 前向傳播和反向傳播算法
3.1.3 正則化方法
3.1.4 卷積神經(jīng)網(wǎng)絡(luò)
3.1.5 長短時記憶網(wǎng)絡(luò)
3.2 二導(dǎo)聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建
3.3 二導(dǎo)聯(lián)的長短時記憶網(wǎng)絡(luò)模型構(gòu)建
3.4 實驗中的網(wǎng)絡(luò)模型參數(shù)設(shè)置
3.5 本章小結(jié)
第4章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)中的不平衡處理和損失函數(shù)的選擇
4.1 不平衡處理
4.1.1 在預(yù)處理中加入不平衡處理
4.1.2 代價敏感學習中的不平衡處理
4.1.3 集成學習中的不平衡處理
4.2 損失函數(shù)的選擇
4.3 實驗及結(jié)果分析
4.4 本章小結(jié)
第5章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)中的特征選擇和分類
5.1 特征選擇
5.1.1 Filter方法
5.1.2 Wrapper方法
5.2 支持向量機(SVM)
5.3 實驗結(jié)果及分析
5.4 本章小結(jié)
第6章 多導(dǎo)聯(lián)心律異常分類系統(tǒng)性能對比和模型泛化性驗證
6.1 整個系統(tǒng)的搭建過程
6.2 系統(tǒng)性能對比
6.3 驗證系統(tǒng)的泛化性
6.4 本章小結(jié)
第7章 總結(jié)與展望
7.1 總結(jié)
7.2 未來展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝
【參考文獻】:
期刊論文
[1]循環(huán)譜分析在心律失常分類中的應(yīng)用研究[J]. 褚晶輝,盧莉莉,呂衛(wèi),李喆. 計算機科學與探索. 2017(11)
本文編號:3131530
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3131530.html
最近更新
教材專著