【摘要】：心腦血管疾病的發(fā)病率逐年升高,成為致死率最高的疾病,而心房顫動(dòng)是發(fā)病率僅次于早搏的常見(jiàn)心腦血管疾病。臨床上心房顫動(dòng)的預(yù)防和診斷主要依靠臨床醫(yī)生對(duì)輔助影像的主觀經(jīng)驗(yàn)判斷,缺乏更加科學(xué)客觀的評(píng)估依據(jù)。因此,開(kāi)發(fā)自動(dòng)檢測(cè)房顫的系統(tǒng)能夠幫助人類盡早的發(fā)現(xiàn)房顫,從而達(dá)到實(shí)現(xiàn)早期監(jiān)測(cè)的效果。現(xiàn)有的算法雖然在一定的約束條件下達(dá)到了較高的精確度,但是大部分研究?jī)H提取了房顫信號(hào)時(shí)域或頻域上的特征,而沒(méi)有將兩個(gè)空間聯(lián)合起來(lái)進(jìn)行分析。另外,多數(shù)模型僅使用了少量的數(shù)據(jù),而對(duì)于人類大量的心電信號(hào)的泛化能力差,穩(wěn)定性不足。本文針對(duì)房顫心電信號(hào)的特征,結(jié)合二維時(shí)頻特征,提出一種泛化能力強(qiáng)的自動(dòng)檢測(cè)房顫的模型。論文的主要研究工作如下:(1)心電信號(hào)的預(yù)處理并獲取其二維時(shí)頻特征。使用MIT-BIH房顫數(shù)據(jù)庫(kù)中的心電數(shù)據(jù),并以檢測(cè)到的R波所對(duì)應(yīng)的采樣點(diǎn)為中心,選取一定時(shí)間長(zhǎng)度的信號(hào)片段。通過(guò)對(duì)三種經(jīng)典時(shí)頻分析技術(shù)的對(duì)比,使用改進(jìn)頻率切片小波變換處理房顫和非房顫心電信號(hào),獲取心電信號(hào)片段在0到90Hz之間的頻率分布,并以數(shù)值矩陣或者能量熱圖的形式表示出來(lái)。(2)采用K-最近鄰法、支持向量機(jī)和隨機(jī)森林三種傳統(tǒng)機(jī)器學(xué)習(xí)算法進(jìn)行房顫的檢測(cè)。進(jìn)行參數(shù)尋優(yōu)之后,在三種算法的基礎(chǔ)上提出可以揚(yáng)長(zhǎng)避短的混合分類器算法,并分別使用四種算法對(duì)提取出的二維時(shí)頻特征矩陣進(jìn)行模型的訓(xùn)練和測(cè)試。另外,針對(duì)效果較好的支持向量機(jī)和隨機(jī)森林兩種分類模型,使用十倍交叉驗(yàn)證算法檢測(cè)模型的精確度、特異性和靈敏度,進(jìn)而使用隨機(jī)森林對(duì)心電信號(hào)片段的時(shí)間尺度特性進(jìn)行了研究。(3)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)房顫自動(dòng)檢測(cè)功能。利用網(wǎng)格搜索法確定卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),一共包含12層(1個(gè)輸入層、3個(gè)卷積層、3個(gè)ReLU層、1個(gè)采樣層、3個(gè)全連接層以及1個(gè)輸出層)。將數(shù)據(jù)按照房顫和非房顫的總數(shù)量均衡的分成5組,使用數(shù)據(jù)庫(kù)中的平衡數(shù)據(jù)訓(xùn)練模型,即選取的兩類的樣本數(shù)量是一樣的,而使用測(cè)試組的全部樣本來(lái)測(cè)試模型,并采用評(píng)估非平衡數(shù)據(jù)指標(biāo)對(duì)模型的性能進(jìn)行評(píng)估。(4)使用相同分組方式的數(shù)據(jù)對(duì)兩類算法進(jìn)行比較。分析總結(jié)了兩類分類模型在數(shù)據(jù)選擇上的異同點(diǎn),并利用準(zhǔn)確度、敏感度和特異性三個(gè)指標(biāo)對(duì)二者進(jìn)行評(píng)估。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R541.75;TP181
【圖文】：

論文的研宄重點(diǎn)是將一維的心電信號(hào)序列以Ｒ波位置為基準(zhǔn)，變換到逡逑二維空間，用具有時(shí)頻特性的圖像代替數(shù)據(jù)作為ＣＮＮ的輸入，基于網(wǎng)格搜索參逡逑數(shù)構(gòu)建出特定框架進(jìn)行ＡＦ信號(hào)的自動(dòng)檢測(cè)。各章節(jié)邏輯關(guān)系如圖１－２所示。逡逑本論文具體各章節(jié)的安排如下：逡逑第一章：緒論。闡述課題的研究背景及意義，并概述ＡＦ自動(dòng)檢測(cè)的研宄現(xiàn)逡逑狀，針對(duì)目前兩種利用不同心電表現(xiàn)的特征提取的問(wèn)題，引出本論文的研宄內(nèi)容，逡逑研究ＥＣＧ信號(hào)在能夠同時(shí)表征時(shí)域和頻域上的時(shí)頻特性的分類，并使用不同的逡逑分類器進(jìn)行分析和處理，得到評(píng)估各個(gè)分類器性能的指標(biāo)，并概述本論文的章節(jié)逡逑安排。逡逑第二章：時(shí)頻分析技術(shù)及自適應(yīng)頻率切片小波變換。首先，介紹了當(dāng)下比較逡逑流行的時(shí)頻分析技術(shù)，包括短時(shí)傅里葉變換、Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布和小波變換，簡(jiǎn)逡逑單介紹各個(gè)方法的工作原理，并分別使用上述方法將本文的房顫ＥＣＧ數(shù)據(jù)變換逡逑至?xí)r頻空間中；然后介紹改進(jìn)頻率切片小波變換的數(shù)學(xué)表示和原理

（ＳＰＷＤ）等是通過(guò)加上實(shí)的偶函數(shù)作為窗函數(shù)來(lái)抑制。除此之外，預(yù)濾波法、逡逑多分量分離法和輔助函數(shù)法也都取得了較好的消除效果１４４］。同樣的，采用了邋ＭＩＴ逡逑數(shù)據(jù)庫(kù)中０４０１５記錄的ＡＦ信號(hào)數(shù)據(jù)進(jìn)行ＰＷＤ變換，時(shí)頻分布如圖２－２所示。逡逑崔．．．逡逑０邐０．０８邐０．１６邐０．２４邐０．３２邐０．４逡逑時(shí)間／Ｓ逡逑圖２－２基于ＰＷＤ的ＡＦ信號(hào)時(shí)頻圖逡逑從圖中可以明顯看出，使用ＷＶＤ方法的圖像有很好的時(shí)頻聚焦性，可以準(zhǔn)逡逑確的反映出局部頻率的變化情況，頻率分辨率較強(qiáng)，廣泛的應(yīng)用于多種非平穩(wěn)信逡逑號(hào)的分析和處理中，例如齒輪震動(dòng)［４５］、生理信號(hào)［４６］和諧波電流［４７］等。逡逑２．１．３小波變換逡逑繼短時(shí)傅里葉變換之后，２０世紀(jì)８０年代發(fā)展了一種新型的線性時(shí)頻分析技逡逑術(shù)，是由法國(guó)物理學(xué)家Ｍｏｒｌｅｔ提出的小波變換（ＷＴ），而后由Ｍｅｙｅｒ引入到信逡逑號(hào)處理領(lǐng)域。在時(shí)頻分析中，最常見(jiàn)是連續(xù)小波變換（Ｃｏｎｔｉｎｕｏｕｓ邋Ｗａｖｅｌｅｔ逡逑Ｔｒａｎｓｆｏｒｍ，邋ＣＷＴ）0逡逑小波變換的基本思想是把一個(gè)母波的函數(shù)作位移之后

但二者均為積分變換。尺度因子的值直接決定了小波基函數(shù)的持續(xù)時(shí)間長(zhǎng)逡逑短，并成反比的關(guān)系。同樣的，采用了邋ＭＩＴ數(shù)據(jù)庫(kù)中０４０１５記錄的ＡＦ信號(hào)數(shù)據(jù)逡逑進(jìn)行ＣＷＴ，時(shí)頻分布如圖２－３所示。逡逑0邋……二：：—１．．．．．邋．．．．邋；■二二＾逡逑０．４逡逑幽…二：：yU娜逡逑°６逡逑１４逡逑０邐０．０８邐０．１６邐０．２４邐０．３２邐０．４逡逑時(shí)間／Ｓ逡逑圖２－３基于ＣＷＴ的ＡＦ信號(hào)時(shí)頻圖逡逑ＣＷＴ和ＳＴＦＴ的原理相近，都是通過(guò)一個(gè)窗函數(shù)實(shí)現(xiàn)時(shí)域和頻域的聯(lián)合，逡逑可以將ＣＷＴ看成是ＳＴＦＴ的一個(gè)發(fā)展，但是ＣＷＴ選擇窗函數(shù)的長(zhǎng)度在計(jì)算頻逡逑１５逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡二雷;馮瑞;;基于深度學(xué)習(xí)的圖像檢索系統(tǒng)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2017年03期

2 李彥冬;郝宗波;雷航;;卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J];計(jì)算機(jī)應(yīng)用;2016年09期

3 司家瑞;;淺談機(jī)器學(xué)習(xí)在醫(yī)學(xué)大數(shù)據(jù)中的應(yīng)用[J];科技展望;2016年23期

4 陳軼;;機(jī)器學(xué)習(xí)技術(shù)在醫(yī)療數(shù)據(jù)挖掘中的應(yīng)用[J];電子測(cè)試;2015年03期

5 劉敏;郎榮玲;曹永斌;;隨機(jī)森林中樹(shù)的數(shù)量[J];計(jì)算機(jī)工程與應(yīng)用;2015年05期

6 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

7 李秀梅;呂真;姬宇佳;;基于時(shí)頻分析方法LPFT的語(yǔ)音處理GUI系統(tǒng)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年02期

8 羅莉瓊;羅娟;;多維標(biāo)度定位算法研究[J];信息技術(shù);2011年04期

9 李文偉;王忠仁;;Wigner-Ville分布及在信號(hào)分析中的應(yīng)用[J];四川兵工學(xué)報(bào);2008年03期

10 劉喜武;張寧;勾永峰;李華;;地震勘探信號(hào)時(shí)頻分析方法對(duì)比與應(yīng)用分析[J];地球物理學(xué)進(jìn)展;2008年03期

相關(guān)博士學(xué)位論文 前1條

1 羅堪;面向健康監(jiān)護(hù)的穿戴式體征信息感知技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前4條

1 徐曉明;SVM參數(shù)尋優(yōu)及其在分類中的應(yīng)用[D];大連海事大學(xué);2014年

2 陳耀洪;基于L-GEM的深度學(xué)習(xí)特征提取[D];華南理工大學(xué);2013年

3 王云鶴;多形態(tài)心電T波檢測(cè)與房顫實(shí)時(shí)監(jiān)護(hù)方法研究[D];電子科技大學(xué);2012年

4 王健峰;基于改進(jìn)網(wǎng)格搜索法SVM參數(shù)優(yōu)化的說(shuō)話人識(shí)別研究[D];哈爾濱工程大學(xué);2012年

本文編號(hào)：2793919