心電圖（ECG）是醫(yī)生進(jìn)行心臟疾病診斷的重要依據(jù),它是一種無創(chuàng)、有效的可以觀測(cè)心律和心臟狀態(tài)的醫(yī)療工具,通過心電圖（ECG）去發(fā)現(xiàn)人體中不規(guī)則的心律變化在心臟病學(xué)領(lǐng)域是一項(xiàng)非常重要的課題,傳統(tǒng)的心電識(shí)別算法準(zhǔn)確性較差,且需要手動(dòng)設(shè)計(jì)心電特征才能進(jìn)行下一步的分類任務(wù),但是這一方面需要專業(yè)的醫(yī)學(xué)背景知識(shí),另一方面對(duì)于心電圖來說,手動(dòng)設(shè)計(jì)的特征是完全基于人類當(dāng)前對(duì)已有的心電圖的認(rèn)知來進(jìn)行設(shè)計(jì)的,這些的特征或許很有代表性,但是卻難以覆蓋心電圖的全部特征。隨著深度學(xué)習(xí)的快速進(jìn)步,在各個(gè)領(lǐng)域已經(jīng)展現(xiàn)出其強(qiáng)大的性能,利用深度學(xué)習(xí)去解決心電圖的自動(dòng)識(shí)別成為醫(yī)療領(lǐng)域研究者的研究熱點(diǎn)。因此本文提出使用卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的組合模型于解決心電圖分類問題。本文重點(diǎn)研究心電信號(hào)及心電信號(hào)自動(dòng)識(shí)別分類技術(shù),主要目的是解決傳統(tǒng)心電識(shí)別方法中特征提取過于復(fù)雜和分類效果較差的問題,提出利用多模態(tài)神經(jīng)網(wǎng)絡(luò)完成心電分類任務(wù),心電識(shí)別過程更加簡單方便且識(shí)別效果更佳。本文通過對(duì)傳統(tǒng)心電信號(hào)識(shí)別算法進(jìn)行分析,進(jìn)行實(shí)驗(yàn)對(duì)比單一神經(jīng)網(wǎng)絡(luò)在心電信號(hào)識(shí)別上的優(yōu)勢(shì)與缺陷,在此基礎(chǔ)上,根據(jù)心電信號(hào)的特點(diǎn),對(duì)單一神經(jīng)網(wǎng)絡(luò)進(jìn)行改造與優(yōu)化,... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１神經(jīng)元原理圖??對(duì)于其中的單一神經(jīng)元來說，上一個(gè)神經(jīng)元的輸出信息＆作為此神經(jīng)元的輸??

息并不斷的向后傳播，和當(dāng)前的信息共同決定每一時(shí)刻的輸出結(jié)果，這樣的結(jié)構(gòu)??的神經(jīng)網(wǎng)絡(luò)會(huì)像人的大腦一樣具有記憶的功能，每一次的決策會(huì)結(jié)合當(dāng)前的情況??和此前的記憶。ＲＮＮ的網(wǎng)絡(luò)結(jié)構(gòu)和原理如圖２－２所示：??１５??

?卷積層１?池化層１?卷積層２?池化層２全連接層１全連接層２?輸出層??圖２－丨卷枳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖??通過卷積神經(jīng)網(wǎng)絡(luò)的特征檢測(cè)層在大量的數(shù)據(jù)下進(jìn)行不斷的學(xué)習(xí)，這樣避免??了顯示的特征抽取，可以獲得數(shù)據(jù)中潛在的隱藏信息。隨著卷積神經(jīng)網(wǎng)絡(luò)的鼻祖??ＬｅＮｅｔ的出現(xiàn)，越來越多的深度卷積神經(jīng)網(wǎng)絡(luò)相繼誕生，并且在圖像識(shí)別領(lǐng)域的??ＩｍａｇｅＮｅｔ比賽中大放異彩的ＡｌｅｘＮｅｔ?（人工神經(jīng)網(wǎng)絡(luò)之父Ｈｉｏｔｏｎ的學(xué)生Ａｌｅｘ所??提出，２０１２年ＩｍａｇｅＮｅｔ比賽冠軍）確立了卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺領(lǐng)域的統(tǒng)??治地位、ＶｇｇＮｅｔ（牛津大學(xué)和谷歌研究院提出，２０１４年ＩｍａｇｅＮｅｔ比賽定位項(xiàng)目??的冠軍和分類項(xiàng)目的亞軍）、ＲｅｓＮｅｔ?（微軟亞研院何凱明等人提出，２０１５年??ＩｍａｇｅＮｅｔ比賽的五個(gè)主要項(xiàng)目冠軍）等許多具有不同優(yōu)點(diǎn)的深度卷積網(wǎng)絡(luò)結(jié)構(gòu)，??卷積神經(jīng)網(wǎng)絡(luò)ＣＮＮ廣泛用于圖像、音頻、文本、語音等各類數(shù)據(jù)中

【參考文獻(xiàn)】：
期刊論文
[1]基于深度信念網(wǎng)的心電自動(dòng)分類[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(05)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的T波形態(tài)分類[J]. 劉明,李國軍,郝華青,侯增廣,劉秀玲.  自動(dòng)化學(xué)報(bào). 2016(09)
[3]面向臨床心電圖分析的深層學(xué)習(xí)算法[J]. 金林鵬,董軍.  中國科學(xué):信息科學(xué). 2015(03)
[4]論心電信號(hào)檢測(cè)中的噪聲與干擾及其消除方法[J]. 彭飛武,熊平,蔡曉珠,劉建庭,傅偉.  醫(yī)療衛(wèi)生裝備. 2007(09)
[5]一種基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾男碾奞RS波檢測(cè)方法[J]. 李向軍.  電子科技大學(xué)學(xué)報(bào). 2007(04)
[6]一種基于Hilbert變換的R波檢測(cè)算法[J]. 季虎,毛玲,孫即祥.  信號(hào)處理. 2007(03)
[7]MIT-BIH心率失常數(shù)據(jù)庫的識(shí)讀及應(yīng)用[J]. 宋喜國,鄧親愷.  中國醫(yī)學(xué)物理學(xué)雜志. 2004(04)
[8]用小波變換結(jié)合神經(jīng)網(wǎng)絡(luò)檢測(cè)ECG信號(hào)的P波[J]. 謝國明,聶志偉,向華,曾照芳.  生物醫(yī)學(xué)工程學(xué)雜志. 1999(03)

碩士論文
[1]基于分類算法的心電數(shù)據(jù)研究與應(yīng)用[D]. 周文龍.北方工業(yè)大學(xué) 2016
[2]心電信號(hào)的異常心律分類算法研究[D]. 陳義.重慶大學(xué) 2016



本文編號(hào)：3346261