心肌缺血是常見的心血管疾病,嚴(yán)重威脅著人們的生命健康安全。持續(xù)的心肌缺血會(huì)造成心肌細(xì)胞壞死,導(dǎo)致心肌梗死。因此,如何使用簡單、方便的方法在人群中早期發(fā)現(xiàn)、早期診斷心肌缺血具有重要的意義。與其他有創(chuàng)的檢查手段相比,體表心電圖具有無創(chuàng)、簡單方便以及經(jīng)濟(jì)等優(yōu)點(diǎn)。一方面,心電圖是反映人體心臟電活動(dòng)的綜合表現(xiàn),利用心電圖對患者進(jìn)行檢查沒有傷害,操作簡單;另一方面,心電圖覆蓋面廣,幾乎在每個(gè)基層醫(yī)院都有配置。經(jīng)過了近十年的研究發(fā)展,基于心電信號(hào)的心肌缺血智能檢測涌現(xiàn)出了很多有價(jià)值的工作。因其重要的理論研究背景和實(shí)際應(yīng)用價(jià)值,本文將對此進(jìn)行深入研究,針對其中心電信號(hào)的特征提取和分類識(shí)別的問題,在前人工作的基礎(chǔ)上,研究了以下內(nèi)容:（1）提出了基于確定學(xué)習(xí)的心電建模方法。基于確定學(xué)習(xí)理論對心電信號(hào)的狀態(tài)軌跡的內(nèi)在動(dòng)力學(xué)特征進(jìn)行準(zhǔn)確建模,并提出了有效的ECG模式識(shí)別方法。本文首先將標(biāo)準(zhǔn)12導(dǎo)聯(lián)ECG信號(hào)轉(zhuǎn)換為低維信號(hào),然后構(gòu)建動(dòng)態(tài)RBF神經(jīng)網(wǎng)絡(luò),對心電信號(hào)中的非線性動(dòng)態(tài)模式進(jìn)行局部準(zhǔn)確建模,并將得到的動(dòng)力學(xué)信息以常值RBF網(wǎng)絡(luò)權(quán)值矩陣的形式保存下來。在分類階段,通過構(gòu)建的估計(jì)器與提取的動(dòng)力學(xué)信息之間的相似... 

【文章頁數(shù)】：89 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 心肌缺血智能檢測方法
        1.2.2 非線性動(dòng)力學(xué)方法在心電圖分析中的應(yīng)用
    1.3 本文主要研究內(nèi)容及結(jié)構(gòu)內(nèi)容
2 系統(tǒng)預(yù)備知識(shí)
    2.1 引言
    2.2 心電相關(guān)知識(shí)
        2.2.1 心肌缺血概述
        2.2.2 心電圖
    2.3 確定學(xué)習(xí)理論
        2.3.1 RBF神經(jīng)網(wǎng)絡(luò)簡介
        2.3.2 RBF神經(jīng)網(wǎng)絡(luò)的PE性質(zhì)
        2.3.3 連續(xù)系統(tǒng)的確定學(xué)習(xí)
        2.3.4 離散系統(tǒng)的確定學(xué)習(xí)
    2.4 深度學(xué)習(xí)
        2.4.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.4.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法
    2.5 本章小結(jié)
3 基于確定學(xué)習(xí)理論的心電動(dòng)力學(xué)建模與分類
    3.1 引言
    3.2 心電動(dòng)力學(xué)的提取和分類
        3.2.1 ECG信號(hào)預(yù)處理
        3.2.2 心電動(dòng)力學(xué)的提取
        3.2.3 心電動(dòng)力學(xué)的分類
    3.3 實(shí)驗(yàn)及分析
        3.3.1 實(shí)驗(yàn)性能指標(biāo)
        3.3.2 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
4 基于深度學(xué)習(xí)與確定學(xué)習(xí)的心肌缺血分類識(shí)別
    4.1 引言
    4.2 心電動(dòng)力學(xué)特征
        4.2.1 心電信號(hào)預(yù)處理
        4.2.2 心電動(dòng)力學(xué)特征提取
    4.3 網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)
        4.3.1 CRNN網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)
        4.3.2 PRCNN網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)
    4.4 模型性能評估實(shí)驗(yàn)與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)方法
        4.4.3 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 基于深度學(xué)習(xí)與遷移學(xué)習(xí)的心肌缺血分類研究
    5.1 引言
    5.2 遷移學(xué)習(xí)簡介
        5.2.1 遷移學(xué)習(xí)基本概念
        5.2.2 遷移學(xué)習(xí)方法
    5.3 基于模型遷移的心肌缺血分類方法
        5.3.1 網(wǎng)絡(luò)模型的預(yù)訓(xùn)練
        5.3.2 網(wǎng)絡(luò)模型的再訓(xùn)練
        5.3.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
6 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]《中國心血管病報(bào)告2018》概要[J]. 胡盛壽,高潤霖,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)
[2]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(jì)算機(jī)科學(xué)與探索. 2017(11)
[3]我國心血管疾病現(xiàn)狀與展望[J]. 姚震,陳林.  海南醫(yī)學(xué). 2013(13)
[4]心血管疾病風(fēng)險(xiǎn)評估的現(xiàn)狀與展望[J]. 何疆春,李田昌.  心血管病學(xué)進(jìn)展. 2013(01)
[5]基于心電圖ST-T段的心肌缺血檢測方法研究進(jìn)展[J]. 宋晉忠,嚴(yán)洪,姚宇華,張琳.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2011(02)
[6]述評:再論心電向量圖臨床應(yīng)用的價(jià)值及現(xiàn)狀[J]. 何秉賢.  臨床心電學(xué)雜志. 2009(02)
[7]基于遺傳算法和神經(jīng)元網(wǎng)絡(luò)的心電信號(hào)T波檢測[J]. 余生晨,高立,薛陽,黃江蘭,余桂賢,崔新偉.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2008(04)
[8]基于多尺度的人體ECG信號(hào)質(zhì)量指數(shù)譜分析[J]. 楊小冬,寧新寶,何愛軍,都思丹.  物理學(xué)報(bào). 2008(03)
[9]中國成年人主要死亡原因及其危險(xiǎn)因素[J]. 顧東風(fēng),吳錫桂,段秀芳,姚崇華,王家良,Kristi Reynolds,Michael J.Klag,Paul K. Whelton.  中國慢性病預(yù)防與控制. 2006(03)
[10]應(yīng)用高階統(tǒng)計(jì)方法實(shí)現(xiàn)R波的檢測[J]. 唐艷,湯井田.  中國醫(yī)學(xué)物理學(xué)雜志. 2005(06)

博士論文
[1]基于特征遷移與模型遷移的分類器設(shè)計(jì)[D]. 臧紹飛.中國礦業(yè)大學(xué) 2017
[2]基于確定學(xué)習(xí)的人體生物信號(hào)建模識(shí)別及其應(yīng)用研究[D]. 鄧木清.華南理工大學(xué) 2017



本文編號(hào)：3706154