【摘要】：心律失常是由心臟電活動(dòng)異常所引起的心臟異常搏動(dòng),可能會(huì)危機(jī)患者的生命。心電圖(electrocardioagram,ECG)心拍分類對(duì)心律失常的臨床診斷有重要價(jià)值和意義,而心拍識(shí)別模型對(duì)ECG心拍的識(shí)別分類的性能仍不理想�，F(xiàn)有基于深度學(xué)習(xí)生成的ECG心拍特征雖然優(yōu)于基于傳統(tǒng)方法生成的心拍特征,但是因ECG中各類間存在著嚴(yán)重的數(shù)據(jù)不平衡問題,致使現(xiàn)有基于深度學(xué)習(xí)方法生成的心拍特征的性能仍不甚理想。針對(duì)各類間數(shù)據(jù)分布不均衡的問題,本文假設(shè)心律失常中的每類ECG均由一個(gè)統(tǒng)一的背景變換空間,它由投影函數(shù)將心拍的特征變換為心拍的共性特征投影空間和個(gè)性特征投影空間組成。提出了一個(gè)基于通用背景卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的特征生成模型。本文建立高維空間CNN模型提取心拍特征。提取心拍的高維空間特征分為兩步,首先在各類心拍等量數(shù)據(jù)基礎(chǔ)上構(gòu)建能有效表達(dá)各類心拍共性信息的通用CNN模型;然后以通用CNN模型為基礎(chǔ)分別在各類心拍數(shù)據(jù)上構(gòu)建能有效反映相應(yīng)心拍類別傾向性信息的類別CNN模型;最后綜合各類別CNN模型對(duì)心拍進(jìn)行識(shí)別與分類。在MIT-BIH數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果顯示,該方法的平均靈敏度為99.68%、平均陽性檢測(cè)率是98.58%、綜合指標(biāo)是99.12%,各項(xiàng)指標(biāo)均顯著優(yōu)于現(xiàn)有方法。本文類別CNN模型方法的性能雖然明顯優(yōu)于現(xiàn)有方法,但因各個(gè)類別CNN模型獨(dú)立訓(xùn)練,所以類別CNN模型間存在著共性信息不一致且類間個(gè)性信息間距較小的問題,導(dǎo)致類別CNN模型仍不完美,識(shí)別性能有待進(jìn)一步提升。針對(duì)上述問題,本文在上述類別CNN模型的基礎(chǔ)上,提出了一種基于最小化類內(nèi)距離和最大化類間距離提取具有更高辨別性和魯棒性的心拍特征。具體方法如下,首先在各類心拍等量數(shù)據(jù)基礎(chǔ)上構(gòu)建能有效表達(dá)各類心拍共性信息的通用CNN模型;接著以最小化類內(nèi)距離和最大化類間距為目標(biāo)函數(shù),以各類等量的組合數(shù)據(jù)集為訓(xùn)練集,在通用CNN模型基礎(chǔ)上構(gòu)建一個(gè)能有效分離各類心拍類別傾向性信息的聯(lián)合類別CNN模型;最后基于輸出的交叉熵值進(jìn)行識(shí)別與分類。在MIT-BIH數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果顯示,各個(gè)類別的心拍識(shí)別指標(biāo)均是100%,完美的解決了ECG心拍自動(dòng)識(shí)別和分類的問題。該方法的性能不但顯著優(yōu)于現(xiàn)有方法,而且優(yōu)于本文的類別CNN模型。實(shí)驗(yàn)結(jié)果表明,本文提出的類別CNN模型和聯(lián)合類別CNN模型有效的消除了由各類間數(shù)據(jù)嚴(yán)重不均衡帶來的不利影響,不但大幅提升了ECG心拍識(shí)別和分類的性能,而且也驗(yàn)證了本文提出的高維投影空間模型理論的有效性。
【圖文】：

義脅人類的身體健康，，世界衛(wèi)生組織 2015 年公布的稱冠心病）死亡的人數(shù)占 876 萬人位于第一位（、診斷、治療心臟疾病，死亡人數(shù)會(huì)大幅度下降；年發(fā)表在中文醫(yī)學(xué)期刊的急性心肌梗死（Acute my有共 485 篇納入誤診疾病數(shù)據(jù)庫，誤診病例 7840 例效的提取 ECG 中的特征是誤診的重要原因之一；統(tǒng)的靜態(tài) ECG 僅僅記錄了幾分鐘在靜息情況下人以很難捕獲一過性的心臟疾病的特征，因此產(chǎn)生了提出特征困難、數(shù)據(jù)量大。因此，使用計(jì)算機(jī)挖掘 診斷成為 ECG 研究的重要方向。

標(biāo)準(zhǔn)ECG
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R540.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 陳日清;吳劍;韓永貴;;基于雙側(cè)累計(jì)面積的心電信號(hào)P波檢測(cè)[J];中國(guó)醫(yī)藥導(dǎo)刊;2015年S1期

2 鄢羽;孫成;;基于聚類分析的心電節(jié)拍分類算法[J];計(jì)算機(jī)應(yīng)用;2014年07期

3 施志剛;;一種基于類間類內(nèi)雙權(quán)重圖像分塊PCA的人臉識(shí)別技術(shù)[J];杭州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

4 潘巍;馬培軍;蘇小紅;;大間隔分類學(xué)習(xí)研究現(xiàn)狀[J];智能計(jì)算機(jī)與應(yīng)用;2013年06期

5 劉雄飛;晏晨偉;胡志坤;;基于數(shù)學(xué)形態(tài)學(xué)及支持向量機(jī)的心率失常識(shí)別[J];計(jì)算機(jī)應(yīng)用;2013年04期

6 宋晉忠;嚴(yán)洪;李力;楊向林;;一種基于R波和T波的心電圖ST段夾逼檢測(cè)方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年05期

7 肖曉偉;肖迪;林錦國(guó);肖玉峰;;多目標(biāo)優(yōu)化問題的研究概述[J];計(jì)算機(jī)應(yīng)用研究;2011年03期

8 黃進(jìn)文;王威廉;;平滑濾波對(duì)ECG的R波幅值影響研究[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

相關(guān)碩士學(xué)位論文 前1條

1 母遠(yuǎn)慧;心律失常ECG信號(hào)的多尺度時(shí)頻特征提取與分析研究[D];北京理工大學(xué);2015年

本文編號(hào)：2647549