心血管疾病被世界衛(wèi)生組織列為人口死亡的首要死因,為了在臨床醫(yī)療中更好地檢測(cè)心血管疾病,心電圖作為一種無創(chuàng)性的診斷工具被廣泛使用。心電信號(hào)分類識(shí)別是醫(yī)學(xué)與計(jì)算機(jī)技術(shù)融合過程中的一個(gè)重要研究課題,其關(guān)鍵在于更準(zhǔn)確地提取心電信號(hào)的有效特征。傳統(tǒng)的心電分類方法是先進(jìn)行特征提取和選擇,再進(jìn)行分類,然而此方法嚴(yán)重依賴人工,無法充分挖掘隱藏在大量心電信號(hào)內(nèi)部的深層特征。如今深度學(xué)習(xí)蓬勃發(fā)展,深度學(xué)習(xí)因其具有自動(dòng)學(xué)習(xí)特征而無需顯式特征提取過程的特色優(yōu)勢(shì),引領(lǐng)著心電信號(hào)的自動(dòng)分類識(shí)別進(jìn)入了一條嶄新的發(fā)展之路。因此本文將深度學(xué)習(xí)技術(shù)應(yīng)用于心電信號(hào)的分類識(shí)別研究以期提升心電信號(hào)分類識(shí)別的準(zhǔn)確率。全文主要研究?jī)?nèi)容如下:（1）基于小波自適應(yīng)閾值去噪的心電信號(hào)預(yù)處理。為了濾除心電信號(hào)中的噪聲,本文提出了一種基于自適應(yīng)閾值的小波去噪法,可以對(duì)不同分解尺度的閾值進(jìn)行動(dòng)態(tài)調(diào)整。其基本步驟為:首先采用sym8小波函數(shù)對(duì)心電信號(hào)進(jìn)行八尺度分解,然后將第八尺度上的近似系數(shù)和第一尺度上的細(xì)節(jié)系數(shù)直接置零,在其余尺度上利用本文所提出的自適應(yīng)閾值和軟閾值函數(shù)對(duì)小波系數(shù)進(jìn)行處理并重構(gòu)信號(hào),最終獲得去噪后的信號(hào)。（2）基于深度學(xué)習(xí)的心... 

【文章來源】：西華大學(xué)四川省

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

正常心電圖波形

西華大學(xué)碩士學(xué)位論文11收縮，稱為過早搏動(dòng)，簡(jiǎn)稱早搏。若心肌的不應(yīng)期狀態(tài)出現(xiàn)了異常延長(zhǎng)狀況，則會(huì)導(dǎo)致病理性傳導(dǎo)阻滯或干擾的發(fā)生。(3)心臟傳導(dǎo)功能的失常：根據(jù)心臟的內(nèi)部組織結(jié)構(gòu)可知，心房、心室各部位的肌肉都可以傳導(dǎo)電激動(dòng)，而心臟傳導(dǎo)系統(tǒng)具有最強(qiáng)的傳導(dǎo)能力。其中又以末梢傳導(dǎo)纖維的傳導(dǎo)能力最強(qiáng)，速率約為4000mm/s，房室束及束支的速率約為3000mm/s，心房肌的速率約為800mm/s~1000mm/s，心室肌的速率約為400mm/s，房室結(jié)的速率最慢，約為200mm/s。正常情況下，心房和心室肌肉之間存在一個(gè)纖維組織環(huán)，激動(dòng)只能從心房肌通過房室結(jié)傳導(dǎo)至房室束及束支而后到達(dá)心室肌，這對(duì)于生理性房室傳導(dǎo)阻滯的產(chǎn)生有著重要的臨床意義。例如，當(dāng)心臟傳導(dǎo)系統(tǒng)由于病理變化而引起功能障礙時(shí)，即可產(chǎn)生各種傳導(dǎo)功能的異常。心律失常在臨床上主要是根據(jù)激動(dòng)的起源（自律及興奮）與傳導(dǎo)的失常，或一般即按興奮并傳導(dǎo)的失常進(jìn)行分類（如圖2.2所示）。圖2.2心律失常的分類Fig.2.2Classificationofarrhythmias

體導(dǎo)聯(lián)MLII和修正心前區(qū)導(dǎo)聯(lián)（V1、V2、V4、V5中的一種），這些心電記錄的采樣率為360Hz，在10毫伏范圍內(nèi)具有11位分辨率，并在0.1~100Hz范圍內(nèi)進(jìn)行帶通濾波，由獨(dú)立的心臟病專家對(duì)時(shí)間和節(jié)拍信息進(jìn)行注釋（總計(jì)約有110000個(gè)注釋）。這些心電記錄的編號(hào)均為三位數(shù)，前24組記錄編號(hào)為100~124，后24組記錄編號(hào)為200~234。每一組心電記錄都包含3個(gè)文件，分別為“.hea”、“.data”和“.atr”。(1)“.hea”表示頭文件，其一行或多行按照ASCII碼字符的方式存儲(chǔ)，用于存儲(chǔ)輔助信息。以“100.hea”為例，其文件內(nèi)容如下圖2.3所示：圖2.3100.hea的內(nèi)容Fig.2.3Contentsof100.hea第一行從左至右分別表示文件名、導(dǎo)聯(lián)數(shù)、采樣率和數(shù)據(jù)采樣點(diǎn)數(shù)。第二行從左至右分別表示文件名、存儲(chǔ)格式、增益、AD分辨率、ADC零值、導(dǎo)聯(lián)1第一個(gè)值、校驗(yàn)數(shù)、數(shù)據(jù)塊大�。�0表示可以從任意數(shù)據(jù)塊輸出，即可以從中間讀取任意一段）、導(dǎo)聯(lián)

【參考文獻(xiàn)】：
期刊論文
[1]一種新的小波閾值去噪算法在工程中的應(yīng)用[J]. 李名莉,焦欣欣.  計(jì)算機(jī)與數(shù)字工程. 2019(07)
[2]用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的設(shè)計(jì)[J]. 王紅霞,周家奇,辜承昊,林泓.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(07)
[3]《中國心血管病報(bào)告2018》概要[J]. 胡盛壽,高潤(rùn)霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,陳偉偉.  中國循環(huán)雜志. 2019(03)
[4]動(dòng)態(tài)心電圖與常規(guī)心電圖診斷冠心病患者心律失常的比較[J]. 王艷麗.  中國醫(yī)療器械信息. 2019(05)
[5]深度學(xué)習(xí)的研究進(jìn)展與發(fā)展[J]. 史加榮,馬媛媛.  計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[6]基于稀疏降噪自動(dòng)編碼機(jī)的心律失常自動(dòng)分類[J]. 熊鵬,李鑫,時(shí)亞松,楊國杰,劉明,劉秀玲.  激光雜志. 2018(04)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[8]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動(dòng)化學(xué)報(bào). 2016(09)
[9]心電圖的計(jì)算機(jī)輔助分析[J]. 胡廣書,朱澤煌.  上海生物醫(yī)學(xué)工程. 1995(04)
[10]MIT—BIH心電數(shù)據(jù)庫的開發(fā)及用作檢測(cè)標(biāo)準(zhǔn)[J]. 朱澤煌,胡廣書,郭恒,崔子經(jīng).  中國生物醫(yī)學(xué)工程學(xué)報(bào). 1993(04)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的心電信號(hào)檢測(cè)和分類研究[D]. 項(xiàng)延德.浙江大學(xué) 2018

碩士論文
[1]基于自適應(yīng)消噪的心電特征檢測(cè)與預(yù)警裝置[D]. 彭良廣.重慶郵電大學(xué) 2019
[2]心電信號(hào)去噪及特征波檢測(cè)算法研究[D]. 劉樂樂.重慶郵電大學(xué) 2018



本文編號(hào)：3456130