本文關(guān)鍵詞：基于RR間期和深度置信網(wǎng)絡(luò)的房顫?rùn)z測(cè)

  更多相關(guān)文章： 房顫 心電圖 RR間期差 深度置信網(wǎng)絡(luò) 檢測(cè)

【摘要】：房顫是臨床最常見(jiàn)的一種心律失常疾病,其患者每年增加。其特點(diǎn)是紊亂的心房活動(dòng)和隨之而來(lái)的腦卒、心肌梗死等并發(fā)癥,導(dǎo)致較高的致殘率和死亡率,嚴(yán)重危害著人類(lèi)的健康。因此,開(kāi)發(fā)房顫?rùn)z測(cè)系統(tǒng),從而能及早發(fā)現(xiàn)房顫,對(duì)改善病人的治療和提高治療質(zhì)量,減少病人危重病癥發(fā)生率和死亡率等有重要的臨床和社會(huì)意義。但是目前,已有的房顫?rùn)z測(cè)研究均在檢測(cè)準(zhǔn)確率上存在不足,分析可知現(xiàn)有房顫?rùn)z測(cè)難以提取穩(wěn)定、能有效判別房顫的特征。本論文將對(duì)心電圖中的房顫?rùn)z測(cè)展開(kāi)研究,提出高靈敏度、特異性強(qiáng)的房顫?rùn)z測(cè)方法。論文主要研究工作如下:1、RR間期數(shù)據(jù)的處理。本論文采用兩種方法對(duì)數(shù)據(jù)進(jìn)行處理,一是基于直方圖的分析研究,處理心電信號(hào)的RR間期的序列求得RR間期差序列,然后計(jì)算RR間期差直方圖和香農(nóng)熵;二是基于符號(hào)動(dòng)力學(xué)的分析研究,將RR間期差序列轉(zhuǎn)換成符號(hào)序列,求子串長(zhǎng)度概率分布的香農(nóng)熵。直接以RR間期數(shù)據(jù)為輸入則存在數(shù)據(jù)偏移問(wèn)題,間期處理后的數(shù)據(jù)克服了這一問(wèn)題。2、采用深度置信網(wǎng)絡(luò)(Deep Belief Networks,DBNs)進(jìn)行房顫的檢測(cè)。它是近年興起的機(jī)器學(xué)習(xí)模型,結(jié)合了無(wú)監(jiān)督學(xué)習(xí)過(guò)程和有監(jiān)督學(xué)習(xí)過(guò)程。由于心電信號(hào)復(fù)雜多變,且受到多種噪聲干擾,現(xiàn)有房顫?rùn)z測(cè)難以提取穩(wěn)定、能有效判別房顫的特征,甚至有時(shí)醫(yī)生進(jìn)行診斷時(shí)也無(wú)法判斷,因此本論文選取深度置信網(wǎng)絡(luò),特征提取和分類(lèi)融合的方法,通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí),實(shí)現(xiàn)房顫的檢測(cè)。通過(guò)MIT-BIH數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明,本論文提出的方法有較高的性能,說(shuō)明本論文方法具有心電信號(hào)檢測(cè)房顫的能力。
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：R541.75;TN911.7

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 陳煜;辛怡;王振宇;李勤;;基于多尺度小波熵的陣發(fā)性房顫識(shí)別方法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2013年05期

2 周自強(qiáng),胡大一,陳捷,張仁漢,李奎寶,趙秀麗;中國(guó)心房顫動(dòng)現(xiàn)狀的流行病學(xué)研究[J];中華內(nèi)科雜志;2004年07期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 萬(wàn)相奎;心電信號(hào)分析與虛擬式心電自動(dòng)分析儀的開(kāi)發(fā)[D];重慶大學(xué);2005年

2 于向光;中國(guó)制造業(yè)生產(chǎn)率研究[D];吉林大學(xué);2008年

3 黃超;動(dòng)態(tài)心電圖中房顫自動(dòng)檢測(cè)算法研究及其臨床應(yīng)用[D];浙江大學(xué);2013年

4 陳宇;基于深度置信網(wǎng)絡(luò)的中文信息抽取方法[D];哈爾濱工業(yè)大學(xué);2014年

，

本文編號(hào)：1141515