基于深度學(xué)習(xí)的心律失常分類研究與實現(xiàn)
發(fā)布時間:2021-04-27 07:53
心律失常是一種常見的心血管疾病,心血管疾病是全球死亡率最高的疾病,每年死于心血管疾病的人呈遞增趨勢。心律失常不總是一種不規(guī)則的心臟活動,可以發(fā)生在健康的心臟中,可能導(dǎo)致中風(fēng)或心臟猝死等嚴(yán)重問題。心律失常容易引發(fā)其他病癥,如心力衰竭、心絞痛、全身血管栓塞性疾病等。因此,心律失常的自動檢測和分類在臨床心臟病學(xué)中至關(guān)重要。傳統(tǒng)的機器學(xué)習(xí)方法依賴于心電信號特征的人工設(shè)計和選擇,限制了模型的分類精度。深度學(xué)習(xí)集傳統(tǒng)的特征提取和分類于一體,能夠自動的抽取特征值以及學(xué)習(xí)特征表示,深度學(xué)習(xí)解決心電信號自動識別已經(jīng)成為研究熱點。為了實現(xiàn)對不同類型心律失常信號的自動識別,本文提出基于深度學(xué)習(xí)的心律失常分類方法。本文利用殘差網(wǎng)絡(luò)(ResNet)、密集連接網(wǎng)絡(luò)(DenseNet)對心電信號進(jìn)行分類識別,嵌入壓縮-激勵(Squeeze-Excitation,SE)模塊,以提高模型的分類準(zhǔn)確率,將標(biāo)準(zhǔn)卷積替換為深度可分離卷積,以減少模型的參數(shù)量和計算量。本文的研究內(nèi)容主要包括以下幾個部分:1.針對原始心電信號中存在的工頻干擾、基線漂移和肌電干擾等噪聲,本文利用50Hz的FIR陷波濾波器、中值濾波器和巴特沃斯低通濾...
【文章來源】:河北大學(xué)河北省
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 心電信號預(yù)處理研究現(xiàn)狀
1.2.2 心電信號特征提取研究現(xiàn)狀
1.2.3 心律失常分類算法研究現(xiàn)狀
1.3 論文結(jié)構(gòu)
第二章 心電信號和神經(jīng)網(wǎng)絡(luò)相關(guān)知識介紹
2.1 心電信號相關(guān)知識介紹
2.1.1 心電信號的特點
2.1.2 心電信號的組成
2.1.3 心律失常的基本知識簡介
2.2 神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)
2.2.1 人工神經(jīng)網(wǎng)絡(luò)
2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.2.1 卷積層
2.2.2.2 池化層
2.2.2.3 全連接層
2.2.2.4 BN層
2.2.2.5 Softmax函數(shù)
2.2.3 激活函數(shù)
2.2.4 梯度下降法與反向傳播
2.2.5 防止過擬合策略
2.2.6 深度學(xué)習(xí)框架
2.3 本章小結(jié)
第三章 心電信號預(yù)處理
3.1 心電信號中噪聲干擾分析
3.2 心電信號濾波
3.3 劃分心拍
3.4 本章小結(jié)
第四章 基于SE-ResNet-16 的心律失常分類識別
4.1 深度可分離卷積
4.2 SE模塊
4.3 ResNet網(wǎng)絡(luò)
4.4 SE-ResNet-16 網(wǎng)絡(luò)
4.5 實驗結(jié)果分析
4.5.1 實驗數(shù)據(jù)和實驗環(huán)境
4.5.1.1 實驗數(shù)據(jù)
4.5.1.2 實驗環(huán)境
4.5.2 評價標(biāo)準(zhǔn)
4.5.3 實驗設(shè)置
4.5.4 結(jié)果分析
4.6 本章小結(jié)
第五章 基于SE-DenseNet的心律失常分類識別
5.1 DenseNet網(wǎng)絡(luò)
5.2 SE-DenseNet網(wǎng)絡(luò)
5.3 實驗結(jié)果分析
5.3.1 實驗數(shù)據(jù)和實驗環(huán)境
5.3.2 評價標(biāo)準(zhǔn)
5.3.3 實驗設(shè)置
5.3.4 結(jié)果分析
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 論文總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
本文編號:3163091
【文章來源】:河北大學(xué)河北省
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 心電信號預(yù)處理研究現(xiàn)狀
1.2.2 心電信號特征提取研究現(xiàn)狀
1.2.3 心律失常分類算法研究現(xiàn)狀
1.3 論文結(jié)構(gòu)
第二章 心電信號和神經(jīng)網(wǎng)絡(luò)相關(guān)知識介紹
2.1 心電信號相關(guān)知識介紹
2.1.1 心電信號的特點
2.1.2 心電信號的組成
2.1.3 心律失常的基本知識簡介
2.2 神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)
2.2.1 人工神經(jīng)網(wǎng)絡(luò)
2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.2.1 卷積層
2.2.2.2 池化層
2.2.2.3 全連接層
2.2.2.4 BN層
2.2.2.5 Softmax函數(shù)
2.2.3 激活函數(shù)
2.2.4 梯度下降法與反向傳播
2.2.5 防止過擬合策略
2.2.6 深度學(xué)習(xí)框架
2.3 本章小結(jié)
第三章 心電信號預(yù)處理
3.1 心電信號中噪聲干擾分析
3.2 心電信號濾波
3.3 劃分心拍
3.4 本章小結(jié)
第四章 基于SE-ResNet-16 的心律失常分類識別
4.1 深度可分離卷積
4.2 SE模塊
4.3 ResNet網(wǎng)絡(luò)
4.4 SE-ResNet-16 網(wǎng)絡(luò)
4.5 實驗結(jié)果分析
4.5.1 實驗數(shù)據(jù)和實驗環(huán)境
4.5.1.1 實驗數(shù)據(jù)
4.5.1.2 實驗環(huán)境
4.5.2 評價標(biāo)準(zhǔn)
4.5.3 實驗設(shè)置
4.5.4 結(jié)果分析
4.6 本章小結(jié)
第五章 基于SE-DenseNet的心律失常分類識別
5.1 DenseNet網(wǎng)絡(luò)
5.2 SE-DenseNet網(wǎng)絡(luò)
5.3 實驗結(jié)果分析
5.3.1 實驗數(shù)據(jù)和實驗環(huán)境
5.3.2 評價標(biāo)準(zhǔn)
5.3.3 實驗設(shè)置
5.3.4 結(jié)果分析
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 論文總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
本文編號:3163091
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3163091.html
最近更新
教材專著