目的:心血管疾病是人們健康的重大威脅之一,每年大約造成1770萬人死亡,占全球死亡數(shù)的31%。心音聽診具有無創(chuàng)、便捷與廉價等特點,在日常的臨床診斷中發(fā)揮著不可替代的作用。然而,當(dāng)前的數(shù)字聽診器仍不能很好的處理心音采集過程的各種噪聲,并且,對異常心音的智能篩查方法仍然不能取得很好的效果。本文基于上述不足,第一部分具體闡述了對低噪聲聽診器的設(shè)計。第二部分闡述了基于卷積神經(jīng)網(wǎng)絡(luò)的異常心音探測算法,從硬件設(shè)計和算法改進(jìn)的角度試圖解決心音聽診在臨床應(yīng)用上的諸多不足。研究方法:本文第一部分利用可粘貼膜結(jié)構(gòu)代替?zhèn)鹘y(tǒng)的“鐘式”結(jié)構(gòu)設(shè)計聽診頭有效去除了環(huán)境噪聲以及操作噪聲,同時利用小波閾值法抑制了系統(tǒng)的其他噪聲,在進(jìn)一步降噪的同時增大了無線傳輸距離。我們對采集系統(tǒng)進(jìn)行了診斷結(jié)測試以及與3 M?Littmann?Model 3200型電子聽診器的抗噪對比測試,并分別利用歸一化標(biāo)準(zhǔn)差(STD)等將結(jié)果進(jìn)行量化對比研究;第二部分本文提出了一種新的算法結(jié)構(gòu),該結(jié)構(gòu)分為預(yù)訓(xùn)練過程,數(shù)據(jù)篩選器和主訓(xùn)練過程,以提高自動異常心音檢測算法的穩(wěn)定性和準(zhǔn)確性。預(yù)訓(xùn)練和數(shù)據(jù)篩選器旨在學(xué)習(xí)最適合分類的特征并通過刪除特征空間中重疊...

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
英文縮略詞
第一部分 :低噪聲聽診系統(tǒng)的設(shè)計
    1 前言
    2 方法
        2.1 采集與接收裝置
            2.1.1 胸廓一體式聽診頭
            2.1.2 硬件濾波器組
            2.1.3 其他硬件設(shè)計
        2.2 小波降噪算法
            2.2.1 離散小波變換
            2.2.2 硬閾值
            2.2.3 軟閾值
            2.2.4 最大最小閾值
            2.2.5 濾波過程
        2.3 實驗設(shè)計
            2.3.1 抗噪實驗
            2.3.2 診斷實驗
    3 結(jié)果
        3.1 建立的樣機及參數(shù)
        3.2 實驗結(jié)果
            3.2.1 抗噪實驗結(jié)果
            3.2.2 抗噪實驗結(jié)果
    4 討論
        4.1 “胸廓一體式”聽診頭優(yōu)秀的抗噪表現(xiàn)
        4.2 原始信號中的噪聲構(gòu)成
        4.3 完整的病理信息記錄
    5 結(jié)論
第二部分 :基于數(shù)據(jù)篩選器與人工神經(jīng)元網(wǎng)絡(luò)的異常心音探測
    1 前言
    2 方法
        2.1 數(shù)據(jù)準(zhǔn)備
        2.2 基準(zhǔn)方法
        2.3 方法框架
        2.4 特征提取及網(wǎng)絡(luò)框架
        2.5 數(shù)據(jù)篩選器
            2.5.1 t-SNE算法
            2.5.2 多重剪輯近鄰法
            2.5.3 數(shù)據(jù)篩選過程
            2.5.4 主訓(xùn)練過程
    3 結(jié)果
        3.1 數(shù)據(jù)篩選器的結(jié)果
        3.2 分類結(jié)果
    4 討論
        4.1 重疊數(shù)據(jù)的分析
        4.2 精度提升的原因
        4.3 數(shù)據(jù)篩選器對模型訓(xùn)練的影響
    5 結(jié)論
研究局限性與展望
本研究創(chuàng)新性的自我評價
參考文獻(xiàn)
綜述
    參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個人簡歷



本文編號：3823000