【摘要】：心臟病嚴重威脅著人們的健康。心電圖能夠如實的反映心臟的健康狀況,是臨床上檢測心臟病的常用手段之一。傳統(tǒng)的心電圖機能夠有效的檢測心臟病,但是由于不方便攜帶,不能滿足日常生活中時時檢測的需求。同時現(xiàn)有的心電自動檢測方法的使用效果受到特征提取等限制,其分類精度還有待提升。本文圍繞便捷采集和自動檢測方法的出發(fā)點,提出了一種基于CAPSNET的可穿戴心電采集和心律失常檢測系統(tǒng)。本文的具體研究工作分為以下兩個部分:設計了可穿戴心電采集裝置。以STM32和AD8232為核心搭建硬件電路對心電信號進行采集,通過軟件編程實現(xiàn)系統(tǒng)控制。根據(jù)心電信號的頻譜特性,采集的心電信號采用了兩種數(shù)字濾波方式去抑制噪聲,其中自適應濾波算法用于處理心電信號中的肌電噪聲,小波變換算法用于抑制基線漂移。處理后的心電信號通過藍牙傳輸給上位機。構建CAPSNET模型用于檢測心律失常。該CAPSNET模型包含8層,通過逐層進行特征學習和映射,獲得心電信號的深層特征,最終實現(xiàn)心律分類。采用將特征封裝成向量的方式提高了模型的魯棒性。在深度學習工作站上使用TensorFlow框架建立并訓練用于檢測心律失常的CAPSNET模型。采用MIT/BIH心律失常數(shù)據(jù)庫里的數(shù)據(jù)建立訓練樣本數(shù)據(jù),并用這些樣本數(shù)據(jù)去訓練模型。通過動態(tài)路由算法微調,獲得了全局最優(yōu)模型。實驗中采用設計的裝置采集到了心電信號,并提取MIT/BIH心律失常數(shù)據(jù)庫里的測試數(shù)據(jù)對CAPSNET模型進行實驗評估,獲得五種心律的分類精度。實現(xiàn)結果表明,該系統(tǒng)能夠滿足便捷采集的需求,并且該系統(tǒng)的CAPSNET模型對心律失常具有較好的分類性能。
【學位授予單位】：武漢紡織大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R540.41;TP274

【相似文獻】

相關期刊論文 前1條

1 郝子煜;阿里甫?庫爾班;李曉紅;依沙?吾阿提別克;基于CapsNet的中國手指語識別[J];計算機應用研究;2019年11期

相關碩士學位論文 前1條

1 郭俊文;基于CAPSNET的可穿戴心電采集和心律失常檢測系統(tǒng)研究[D];武漢紡織大學;2018年

，

本文編號：2670636