發(fā)布時間：2017-05-14 07:12

  本文關(guān)鍵詞：基于UMPCA的12導(dǎo)ECG特征提取和分類研究，由筆耕文化傳播整理發(fā)布。

【摘要】：心電信號（ECG）的數(shù)據(jù)處理是一個極具科研價值和應(yīng)用價值的研究課題。本文主要圍繞12導(dǎo)聯(lián)ECG特征提取和分類問題，提出一個精確、可行的技術(shù)方案，包括數(shù)據(jù)去噪、波形切分、時頻域分析、張量表征、特征抽取、數(shù)據(jù)分類及其實際應(yīng)用。 在數(shù)據(jù)表征方面，先前所做的研究大多基于2導(dǎo)聯(lián)ECG數(shù)據(jù)庫，選用向量作為數(shù)據(jù)表征形式，取得不錯的分類精度；但是臨床實際所用為12導(dǎo)聯(lián)ECG，直接將2導(dǎo)聯(lián)數(shù)據(jù)串行化的處理方法套用到12導(dǎo)聯(lián)數(shù)據(jù)往往是不可行的。本文針對12導(dǎo)聯(lián)ECG的結(jié)構(gòu)特性，使用張量作為表征形式，避免了串行化時對結(jié)構(gòu)相關(guān)性的丟失，確保了特征完整性。 在特征抽取方面，大多研究僅著眼于ECG時域特征，而忽略了頻域的重要特征。本文通過短時傅里葉變換、Gabor變換、Wigner-Ville分布等時頻域分析的技術(shù)手段，將ECG時域數(shù)據(jù)變換為時頻域數(shù)據(jù)，同時轉(zhuǎn)換為張量結(jié)構(gòu)。緊接著，本文提出一種多線性不相關(guān)主成分分析（UMPCA）為核心的方法，將12導(dǎo)ECG張量數(shù)據(jù)從張量空間投影到低維向量空間，實現(xiàn)特征抽取。最后，通過支持向量機（SVM）的分類實驗以及與類似方法的對比，證明了該方法的有效性和優(yōu)越性。 在實踐應(yīng)用方面，本文將研究成果應(yīng)用到在線的遠(yuǎn)程心電診斷系統(tǒng)中為醫(yī)生提供輔助診斷；同時提出了離線的數(shù)據(jù)挖掘方案，構(gòu)想了大數(shù)據(jù)場景下的改進措施。
【關(guān)鍵詞】：心電圖 張量 時頻域分析 特征提取 支持向量機
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.7;R318.04
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 圖錄8-10
• 表錄10-11
• 第一章 緒論11-20
• 1.1 研究背景11
• 1.2 ECG 簡介11-14
• 1.2.1 ECG 產(chǎn)生原理12
• 1.2.2 12 導(dǎo)聯(lián) ECG 介紹12-14
• 1.3 ECG 數(shù)據(jù)庫14-16
• 1.3.1 2 導(dǎo)聯(lián)和 3 導(dǎo)聯(lián) ECG 數(shù)據(jù)庫14-15
• 1.3.2 12 導(dǎo)聯(lián) ECG 數(shù)據(jù)庫15-16
• 1.4 ECG 研究方法綜述16-18
• 1.4.1 ECG 表征和預(yù)處理綜述16-17
• 1.4.2 ECG 特征抽取和分類綜述17-18
• 1.4.3 ECG 相關(guān)應(yīng)用綜述18
• 1.5 研究內(nèi)容與章節(jié)安排18-20
• 第二章 張量代數(shù)基本理論20-28
• 2.1 張量基礎(chǔ)20-24
• 2.1.1 張量表示20-21
• 2.1.2 張量運算21-22
• 2.1.3 秩-1 張量22
• 2.1.4 張量矩陣展開22-23
• 2.1.5 直接向量化23-24
• 2.2 張量投影24-27
• 2.2.1 VVP 投影24
• 2.2.2 TTP 投影24-25
• 2.2.3 TVP 投影25-27
• 2.3 張量與向量27
• 2.4 本章小結(jié)27-28
• 第三章 ECG 數(shù)據(jù)預(yù)處理28-36
• 3.1 基于小波分析的 ECG 去噪29-33
• 3.1.1 小波分析理論29-30
• 3.1.2 小波去噪30-33
• 3.2 基于中值濾波的基線去漂移33-34
• 3.3 基于統(tǒng)計的心跳劃分34-35
• 3.4 本章小結(jié)35-36
• 第四章 ECG 特征抽取36-54
• 4.1 經(jīng)典方法介紹36-39
• 4.1.1 主成分分析36-37
• 4.1.2 獨立成分分析37-39
• 4.2 時頻域分析39-42
• 4.2.1 傅里葉變換39-40
• 4.2.2 短時傅里葉變換40-41
• 4.2.3 Gabor 變換41-42
• 4.2.4 Wigner-Ville 分布42
• 4.3 不相關(guān)多線性主成分分析42-53
• 4.3.1 UMPCA 問題描述43-44
• 4.3.2 UMPCA 啟發(fā)式算法求解44-48
• 4.3.3 UMPCA 用于 ECG 特征抽取48-53
• 4.4 本章小結(jié)53-54
• 第五章 ECG 分類實驗54-64
• 5.1 支持向量機54-56
• 5.1.1 SVM 原理54-56
• 5.1.2 多類分類策略56
• 5.2 ECG 分類實驗56-62
• 5.2.1 數(shù)據(jù)預(yù)處理和時頻域變換57-59
• 5.2.2 特征抽取和分類59-61
• 5.2.3 不同方法比較61-62
• 5.3 本章小結(jié)62-64
• 第六章 ECG 輔助決策及數(shù)據(jù)挖掘應(yīng)用64-73
• 6.1 智能遠(yuǎn)程心電診斷系統(tǒng)64-69
• 6.1.1 系統(tǒng)框架介紹64-68
• 6.1.2 ECG 自動分析實踐68-69
• 6.2 離線 ECG 數(shù)據(jù)挖掘69-72
• 6.2.1 離線的誤診統(tǒng)計方案70-71
• 6.2.2 大數(shù)據(jù)場景解決方案71-72
• 6.3 本章小結(jié)72-73
• 第七章 結(jié)論與展望73-76
• 7.1 工作總結(jié)73-74
• 7.2 后期展望74-76
• 參考文獻76-81
• 致謝81-83
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄83-85

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 戚建新，卞正中，楊強;基于微機的心電信號實時自動分析系統(tǒng)[J];北京生物醫(yī)學(xué)工程;1997年03期

2 高仕博;程詠梅;趙永強;潘泉;魏坤;;基于張量的平穩(wěn)小波變換紅外圖像去噪[J];光學(xué)學(xué)報;2009年07期

3 王見;李金同;盧華玲;尹愛軍;;采用STFT-Wigner變換抑制Wigner-Ville分布交叉項[J];重慶大學(xué)學(xué)報;2013年08期

4 姜奇平;;大數(shù)據(jù)時代到來[J];互聯(lián)網(wǎng)周刊;2012年02期

5 楊琬琪;高陽;周新民;楊育彬;商琳;;多模態(tài)張量數(shù)據(jù)挖掘算法及應(yīng)用[J];計算機科學(xué);2012年01期

6 張麗梅;喬立山;陳松燦;;基于張量模式的特征提取及分類器設(shè)計綜述[J];山東大學(xué)學(xué)報(工學(xué)版);2009年01期

7 何偉，，陳良遲，徐曉紅，謝正祥;心電信號及各組分的頻率分布和有效帶寬研究[J];生物醫(yī)學(xué)工程學(xué)雜志;1996年04期

8 李剛,葉文宇,虞啟璉,諶雅琴,劉蓉;一種虛擬心電信號發(fā)生器[J];天津大學(xué)學(xué)報;2002年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 董元方;機器學(xué)習(xí)中的模型選擇問題研究[D];吉林大學(xué);2011年

2 趙啟斌;EEG時空特征分析及其在BCI中的應(yīng)用[D];上海交通大學(xué);2008年

3 李朝遷;矩陣和高階張量特征值的定位與估計[D];云南大學(xué);2012年

  本文關(guān)鍵詞：基于UMPCA的12導(dǎo)ECG特征提取和分類研究，由筆耕文化傳播整理發(fā)布。

本文編號：364510