心律失常是心血管疾病的一種,若不及時(shí)發(fā)現(xiàn)和預(yù)防,有可能突然發(fā)作而導(dǎo)致猝死。每年全世界死于心血管疾病的人數(shù)高達(dá)1700萬(wàn),高于腫瘤和呼吸系統(tǒng)疾病死亡的人數(shù)。由于心律失常具有隱蔽性的特點(diǎn),傳統(tǒng)專業(yè)醫(yī)生通過(guò)觀察患者24小時(shí)的動(dòng)態(tài)心電圖（Holter）來(lái)診斷患者是否患有心律失常,醫(yī)生在面對(duì)大量的心電圖數(shù)據(jù)時(shí)會(huì)因?yàn)殚L(zhǎng)時(shí)間的診斷而疲勞,有可能造成醫(yī)生漏診和誤診。因此,一種基于計(jì)算機(jī)的心律失常分類就顯得非常重要,但是目前基于計(jì)算機(jī)的心律失常分類存在不足:一般心律失常分類模型提取到的心電信號(hào)特征不充分,分類準(zhǔn)確率有待提高,而且,當(dāng)一個(gè)訓(xùn)練好的分類模型遇到新增的訓(xùn)練數(shù)據(jù)時(shí),難免要對(duì)整個(gè)分類模型進(jìn)行重新訓(xùn)練,這樣勢(shì)必會(huì)消耗不必要的計(jì)算時(shí)間和資源。為了解決上述問(wèn)題,本文主要研究的內(nèi)容如下:1.搭建了一種基于CNN寬度學(xué)習(xí)系統(tǒng)（CNN-Based Broad Learning System,CNNBLS）的心律失常分類模型。該模型是一種快速高效的分類模型,相對(duì)于深度神經(jīng)網(wǎng)絡(luò)的眾多超參數(shù)和多個(gè)隱含層,CNNBLS只有一層隱含層,沒(méi)有復(fù)雜的超參數(shù),能夠?qū)π穆墒С５男碾娦盘?hào)進(jìn)行快速高效地分類。本文首先采用小波閾值法... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 論文的結(jié)構(gòu)安排
第2章 心電信號(hào)分類相關(guān)理論基礎(chǔ)
    2.1 心電信號(hào)產(chǎn)生原理和心律失常
    2.2 MIT-BIH心律失常數(shù)據(jù)庫(kù)簡(jiǎn)介
    2.3 數(shù)據(jù)集標(biāo)簽
    2.4 心電信號(hào)預(yù)處理技術(shù)
        2.4.1 心電信號(hào)去噪
        2.4.2 心拍截取
        2.4.3 心拍標(biāo)準(zhǔn)化
    2.5 寬度學(xué)習(xí)基礎(chǔ)
        2.5.1 寬度學(xué)習(xí)算法
    2.6 本章小結(jié)
第3章 基于CNNBLS心律失常的分類研究
    3.1 CNNBLS心律失常分類模型構(gòu)建方法研究
        3.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        3.1.2 CNNBLS模型的構(gòu)建
        3.1.3 CNNBLS心律失常的分類流程圖
    3.2 CNNBLS的參數(shù)設(shè)置
        3.2.1 CNNBLS的卷積核尺寸的確定
        3.2.2 CNNBLS卷積核數(shù)量的確定
        3.2.3 CNNBLS特征節(jié)點(diǎn)的確定
        3.2.4 CNNBLS增強(qiáng)節(jié)點(diǎn)的確定
    3.3 CNNBLS心律失常分類性能分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)設(shè)置
        3.3.2 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于CNNBLS增量學(xué)習(xí)的心律失常分類研究
    4.1 CNNBLS的增量學(xué)習(xí)
    4.2 CNNBLS增量學(xué)習(xí)的心律失常分類性能分析
        4.2.1 實(shí)驗(yàn)數(shù)據(jù)設(shè)置
        4.2.2 實(shí)驗(yàn)結(jié)果分析
        4.2.3 與其他參考文獻(xiàn)對(duì)比
    4.3 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介及科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]《中國(guó)心血管病報(bào)告2017》概要[J]. 陳偉偉,高潤(rùn)霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,蔣立新,胡盛壽.  中國(guó)循環(huán)雜志. 2018(01)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[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(guó)科學(xué):信息科學(xué). 2015(03)
[4]基于MATLAB的心電信號(hào)的數(shù)字濾波處理[J]. 董兵超,于毅,李振新.  數(shù)字技術(shù)與應(yīng)用. 2012(10)
[5]基于小波提升的ECG去噪和QRS波識(shí)別快速算法[J]. 姚成,司玉娟,郎六琪,樸德慧,徐海峰,李賀佳.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2012(04)
[6]心電圖模式分類方法研究進(jìn)展與分析[J]. 王麗蘋,董軍.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2010(06)
[7]一種非線性非平穩(wěn)自適應(yīng)信號(hào)處理方法—希爾伯特-黃變換綜述:發(fā)展與應(yīng)用[J]. 沈毅,沈志遠(yuǎn).  自動(dòng)化技術(shù)與應(yīng)用. 2010(05)
[8]心電圖識(shí)別與分類:方法、問(wèn)題和新途徑[J]. 董軍,徐淼,詹聰明,魯魏峰.  生物醫(yī)學(xué)工程學(xué)雜志. 2007(06)
[9]中老年心律失常186例臨床分析[J]. 徐敏濤.  中醫(yī)藥臨床雜志. 2005(05)
[10]MIT-BIH心率失常數(shù)據(jù)庫(kù)的識(shí)讀及應(yīng)用[J]. 宋喜國(guó),鄧親愷.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2004(04)

博士論文
[1]模型導(dǎo)向的缺血性心血管病預(yù)防策略[D]. 曹小琴.鄭州大學(xué) 2016
[2]心電信號(hào)智能分析關(guān)鍵技術(shù)研究[D]. 姚成.吉林大學(xué) 2012

碩士論文
[1]碎裂QRS波在冠心病心絞痛患者中的價(jià)值分析[D]. 邵小艷.西南醫(yī)科大學(xué) 2016
[2]正常竇性心律及常見(jiàn)心律失常時(shí)間散點(diǎn)圖研究[D]. 張芳芳.鄭州大學(xué) 2014
[3]低功耗便攜式心電儀設(shè)計(jì)與研制[D]. 王磊.哈爾濱工程大學(xué) 2007
[4]基于小波變換的心電信號(hào)處理[D]. 廖云朋.中南大學(xué) 2004



本文編號(hào)：3192096