血壓和心電信號(hào)是臨床檢測中標(biāo)志人體健康狀況的兩項(xiàng)重要指標(biāo)。腕式血壓測量和心電圖觀察是其常規(guī)的診斷方法,診斷過程依賴專業(yè)的醫(yī)護(hù)人員,測量時(shí)間的可控性差,容易加劇醫(yī)療資源的緊張。為此,本文采用機(jī)器學(xué)習(xí)方法進(jìn)行血壓預(yù)測和心律異常分類,提出基于支持向量機(jī)的血壓預(yù)測模型和基于自適應(yīng)提升算法的心律異常分類模型,主要研究內(nèi)容如下。首先,本文深入分析心電和脈搏波兩項(xiàng)生理信號(hào)以及特征處理方法。心電和脈搏波信號(hào)作為人體重要的生理信號(hào),均具有周期性和典型的波形特征;不同特征選擇和提取方法從不同角度分析人體生理數(shù)據(jù)。其次,本文提出基于支持向量機(jī)回歸算法的血壓預(yù)測模型。根據(jù)數(shù)據(jù)的采樣頻率設(shè)計(jì)數(shù)據(jù)合理的拓展方式,并結(jié)合無監(jiān)督和有監(jiān)督兩種特征選擇方法分析各生理特征之間及與血壓之間的相關(guān)性,進(jìn)行特征選擇和組合,采用非線性核函數(shù)的支持向量機(jī)學(xué)習(xí)各生理特征與血壓之間的映射關(guān)系,實(shí)現(xiàn)準(zhǔn)確地血壓預(yù)測。再次,本文提出基于自適應(yīng)提升算法的心律異常分類模型。按照醫(yī)療器械進(jìn)步協(xié)會(huì)標(biāo)準(zhǔn)和非交叉方式,定義心律異常數(shù)據(jù)集。對心電信號(hào)進(jìn)行濾波器處理和心電節(jié)拍分割后,從時(shí)域和變換域兩個(gè)不同角度提取五種心電信號(hào)特征,采用分類樹作為基分類器的自適... 

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 基礎(chǔ)理論與方法
    2.1 人體數(shù)據(jù)相關(guān)理論
        2.1.1 心電信號(hào)分析
        2.1.2 脈搏波信號(hào)分析
    2.2 特征提取和選擇方法
        2.2.1 血壓數(shù)據(jù)特征選擇
        2.2.2 心電信號(hào)特征提取
    2.3 本章小結(jié)
第3章 基于SVR算法的血壓預(yù)測方法
    3.1 血壓預(yù)測數(shù)據(jù)集分析
        3.1.1 血壓數(shù)據(jù)集的收集
        3.1.2 血壓數(shù)據(jù)集的處理
        3.1.3 血壓數(shù)據(jù)集的分析
    3.2 人體生理特征的選擇和組合
        3.2.1 生理特征間的相關(guān)性分析
        3.2.2 生理特征與血壓間的依賴度分析
        3.2.3 人體生理特征組合
    3.3 基于機(jī)器學(xué)習(xí)的血壓預(yù)測方法
        3.3.1 血壓預(yù)測方法分析
        3.3.2 線性回歸模型
        3.3.3 神經(jīng)網(wǎng)絡(luò)模型
        3.3.4 支持向量機(jī)回歸模型
    3.4 本章小結(jié)
第4章 基于Adaboost算法的心律異常分類方法
    4.1 心律異常數(shù)據(jù)集分析
        4.1.1 MIT-BIH心律異常數(shù)據(jù)庫
        4.1.2 心律異常類型的劃分
    4.2 心電信號(hào)的預(yù)處理
        4.2.1 心電信號(hào)去噪
        4.2.2 心電信號(hào)分割
    4.3 心電節(jié)拍的特征提取
        4.3.1 心電節(jié)拍的時(shí)域特征
        4.3.2 心電節(jié)拍的變換域特征
    4.4 Adaboost心律異常分類
        4.4.1 心律異常分類方法分析
        4.4.2 Adaboost集成學(xué)習(xí)算法
    4.5 本章小結(jié)
第5章 實(shí)驗(yàn)與結(jié)果分析
    5.1 血壓預(yù)測實(shí)驗(yàn)結(jié)果分析
        5.1.1 血壓預(yù)測的實(shí)驗(yàn)環(huán)境
        5.1.2 血壓預(yù)測評價(jià)指標(biāo)
        5.1.3 血壓預(yù)測的實(shí)驗(yàn)結(jié)果
    5.2 心律異常分類實(shí)驗(yàn)結(jié)果分析
        5.2.1 心律異常的實(shí)驗(yàn)環(huán)境
        5.2.2 心律異常分類評價(jià)指標(biāo)
        5.2.3 心律異常的實(shí)驗(yàn)結(jié)果
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]淺析人工智能的應(yīng)用與發(fā)展[J]. 徐楷明.  通訊世界. 2019(01)
[2]淺談人工智能在醫(yī)療行業(yè)中的應(yīng)用[J]. 方鶯霏.  通訊世界. 2019(01)
[3]血壓測量方式的研究進(jìn)展[J]. 李雪玉,郭子宏.  中國老年保健醫(yī)學(xué). 2018(04)
[4]社區(qū)常見心律失常的分類及其處理原則[J]. 黃波,周菁.  中國全科醫(yī)學(xué). 2018(09)
[5]《中國心血管病報(bào)告2017》要點(diǎn)解讀[J]. 馬麗媛,吳亞哲,王文,陳偉偉.  中國心血管雜志. 2018(01)
[6]Recent progress in mass spectrometry proteomics for biomedical research[J]. Xu Li,Wenqi Wang,Junjie Chen.  Science China（Life Sciences）. 2017(10)
[7]十二導(dǎo)聯(lián)心電圖與動(dòng)態(tài)心電圖在不同心拍診斷一致性分析[J]. 陳繼生.  心電圖雜志(電子版). 2017(03)
[8]基于光電容積脈搏波的血壓測量實(shí)驗(yàn)研究[J]. 吳育東,鐘舜聰,伏喜斌.  機(jī)電工程. 2017(08)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的心電特征提取[J]. 顏昊霖,安勇,王宏飛,牟榮增.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(04)
[10]基于DCT的心電信號(hào)分類算法[J]. 盧潭城,呂愿愿,鄧永莉,劉明亮,陸起涌.  北京生物醫(yī)學(xué)工程. 2016(03)

碩士論文
[1]基于最大互信息的醫(yī)學(xué)圖像配準(zhǔn)方法研究[D]. 徐磊.西安電子科技大學(xué) 2011



本文編號(hào)：3652072