面向心臟疾病和膿毒癥的時(shí)序生理信號(hào)分析
發(fā)布時(shí)間:2021-08-03 09:34
時(shí)序生理信號(hào)在人體健康狀況評(píng)估以及疾病診斷方面發(fā)揮著重要的作用。由于時(shí)序生理信號(hào)種類繁多,為了集中精力進(jìn)行針對(duì)性的研究,本文主要分析和探討了兩種典型的時(shí)序生理信號(hào)及其應(yīng)用:(1)利用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)心電信號(hào)進(jìn)行分析進(jìn)而實(shí)現(xiàn)對(duì)不同心臟疾病的分類。(2)對(duì)連續(xù)時(shí)間內(nèi)采集到的各類生理測(cè)量數(shù)據(jù)進(jìn)行分析并利用這些數(shù)據(jù)對(duì)膿毒癥進(jìn)行早期預(yù)測(cè)。心電信號(hào)是時(shí)序生理信號(hào)的一種,它反應(yīng)了心肌細(xì)胞的生物電變化情況。雖然臨床上廣泛使用心電信號(hào)進(jìn)行心血管疾病的診斷,但是由于心電信號(hào)的診斷結(jié)果主觀性較強(qiáng),心血管疾病的診斷和篩查依然是困擾人們的難題。而計(jì)算機(jī)輔助的心電診斷技術(shù)具備客觀性且易于推廣,是解決這個(gè)問題的方案之一。本文提出了一種基于一維卷積神經(jīng)網(wǎng)絡(luò)的心電信號(hào)分類方法。該網(wǎng)絡(luò)中的殘差注意力模塊不僅緩解了網(wǎng)絡(luò)梯度消失的問題,還通過注意力機(jī)制在空間域中提取心電信號(hào)的有用特征。同時(shí),為了充分利用心電信號(hào)的時(shí)間相關(guān)性,網(wǎng)絡(luò)構(gòu)建了長(zhǎng)短期記憶網(wǎng)絡(luò)模塊在時(shí)域上提取心電信號(hào)的時(shí)序特征。實(shí)驗(yàn)結(jié)果證明,本文提出的基于卷積神經(jīng)網(wǎng)絡(luò)的心電分類方法優(yōu)于對(duì)比方法,并且具有一定的魯棒性。持續(xù)時(shí)間內(nèi)采集到的生理測(cè)量數(shù)據(jù)是一種典型的時(shí)序生理信...
【文章來(lái)源】:重慶郵電大學(xué)重慶市
【文章頁(yè)數(shù)】:78 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
激活函數(shù)Sigmoid和Tanh的導(dǎo)函數(shù)圖像
重慶郵電大學(xué)碩士學(xué)位論文第2章相關(guān)理論和算法基礎(chǔ)2.2循環(huán)神經(jīng)網(wǎng)絡(luò)雖然卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)領(lǐng)域都取得了非常好的效果,但是在時(shí)序特征提取方面,傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)通常不如循環(huán)神經(jīng)網(wǎng)絡(luò)效果好。時(shí)間序列信息在生活中非常常見,比如語(yǔ)音,文本,視頻等具有時(shí)間屬性的數(shù)據(jù)。典型的有限時(shí)間序列信息可以用一個(gè)類似于數(shù)組的序列X表示:[]12,,...,tTX=xxxx(2.10)其中tx表示一個(gè)時(shí)間單位內(nèi)的數(shù)據(jù),比如視頻中的幀,文本中的某個(gè)詞向量等。T表示這個(gè)時(shí)間序列的時(shí)間長(zhǎng)度,每個(gè)時(shí)間單位也常被稱為時(shí)間步。同傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)相比,循環(huán)神經(jīng)網(wǎng)絡(luò)在隱藏層的神經(jīng)元上增加了循環(huán)連接。圖2.7展示了循環(huán)神經(jīng)網(wǎng)絡(luò)及其在時(shí)間線上展開的網(wǎng)絡(luò)結(jié)構(gòu)。藍(lán)色的線代表循環(huán)連接。循環(huán)神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)相比,其數(shù)據(jù)輸入方式完全不同。循環(huán)神經(jīng)網(wǎng)絡(luò)按照時(shí)間先后順序接收輸入數(shù)據(jù),且每次只接收一個(gè)時(shí)間步的數(shù)據(jù)。網(wǎng)絡(luò)運(yùn)行過程中,隱藏層的神經(jīng)元狀態(tài)會(huì)被保留下來(lái),并通過循環(huán)連接在網(wǎng)絡(luò)處理下一個(gè)時(shí)間步的數(shù)據(jù)時(shí)對(duì)神經(jīng)元產(chǎn)生影響。圖2.7循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖為了詳細(xì)地描述循環(huán)神經(jīng)網(wǎng)絡(luò)的具體計(jì)算過程,圖2.8展示了只有一個(gè)隱藏層的循環(huán)神經(jīng)網(wǎng)絡(luò)的運(yùn)行流程。假設(shè)時(shí)間步t的輸入數(shù)據(jù)為tx,且僅有三個(gè)元素:123,,ttttx=xxx(2.11)則隱藏層的計(jì)算方式如下:11112111([,])thxthhtthσWxWhhb=++(2.12)18
重慶郵電大學(xué)碩士學(xué)位論文第2章相關(guān)理論和算法基礎(chǔ)22212112([,])thxthhtthσWxWhhb=++(2.13)其中σ()表示激活函數(shù),1211,tthh為隱藏神經(jīng)元在時(shí)間步t-1時(shí)的隱藏狀態(tài),1,2tthh為當(dāng)前時(shí)間步的隱藏狀態(tài),1,2hxhxWW為輸入層到隱藏層的權(quán)重參數(shù)矩陣,1,2hhhhWW為循環(huán)連接的權(quán)重參數(shù)矩陣,12b,b為偏置。從隱藏層的計(jì)算過程可以看出,前一個(gè)時(shí)間步神經(jīng)元的隱藏狀態(tài)在循環(huán)連接的權(quán)重參數(shù)的作用下,參與了當(dāng)前時(shí)間步的神經(jīng)元計(jì)算。這也是循環(huán)神經(jīng)網(wǎng)絡(luò)能建模時(shí)間依賴的核心原因。隱藏層計(jì)算完成后,就可以計(jì)算網(wǎng)絡(luò)的輸出:1211([,])thottoOσWhhb=+(2.14)其中σ()表示激活函數(shù),tO為網(wǎng)絡(luò)輸出,hoW為隱藏層到輸出層的權(quán)重參數(shù),ob代表偏置。圖2.8循環(huán)神經(jīng)網(wǎng)絡(luò)的計(jì)算過程雖然與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)相比,循環(huán)神經(jīng)網(wǎng)絡(luò)的時(shí)序建模能力有了顯著提高。但是在實(shí)際應(yīng)用中,循環(huán)神經(jīng)網(wǎng)絡(luò)面對(duì)長(zhǎng)時(shí)間依賴問題時(shí)卻表現(xiàn)不佳。造成這個(gè)問題的主要原因是:時(shí)序數(shù)據(jù)的時(shí)間跨度太長(zhǎng)給網(wǎng)絡(luò)帶來(lái)梯度消失的問題。為了解決這個(gè)問題,研究者們提出了許多改進(jìn)型的循環(huán)神經(jīng)網(wǎng)絡(luò)。例如S.Hochreiter等人在1997年提出了長(zhǎng)短期記憶網(wǎng)絡(luò),通過門控機(jī)制控制神經(jīng)元中的信息流動(dòng),極大地緩解了梯度消失的問題[65]。2014年K.Cho等人改進(jìn)了LSTM的門控機(jī)制,提出了門控循環(huán)單元[66](GatedRecurrentUnits,GRU)。大多數(shù)情況下LSTM與GRU的效果相當(dāng),但GRU進(jìn)一步簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu),降低了網(wǎng)絡(luò)參數(shù)。19
【參考文獻(xiàn)】:
期刊論文
[1]膿毒癥液體治療急診專家共識(shí)[J]. 中華急診醫(yī)學(xué)雜志. 2018 (01)
[2]Sepsis 1.0到Sepsis 3.0的變遷與展望[J]. 馬曉春,王亮. 醫(yī)學(xué)研究生學(xué)報(bào). 2017(10)
[3]基于生理大數(shù)據(jù)的情緒識(shí)別研究進(jìn)展[J]. 趙國(guó)朕,宋金晶,葛燕,劉永進(jìn),姚林,文濤. 計(jì)算機(jī)研究與發(fā)展. 2016(01)
[4]基于生理信號(hào)的多任務(wù)下駕駛員認(rèn)知負(fù)荷的評(píng)定[J]. 高振海,段立飛,趙會(huì),禹慧麗. 汽車工程. 2015(01)
[5]早期識(shí)別膿毒癥、嚴(yán)重膿毒癥及膿毒性休克[J]. 錢素云,武潔. 中國(guó)小兒急救醫(yī)學(xué). 2014 (04)
[6]基于智能算法的生理信號(hào)情感識(shí)別[J]. 熊勰,劉光遠(yuǎn),溫萬(wàn)惠. 計(jì)算機(jī)科學(xué). 2011(03)
[7]膿毒癥研究的綜合思路[J]. 常文秀,張金鐘,曹書華. 醫(yī)學(xué)與哲學(xué)(臨床決策論壇版). 2007(09)
[8]SOFA評(píng)分的臨床意義及其在臨床研究中的應(yīng)用[J]. 曾理,胡祖鵬. 中國(guó)臨床醫(yī)學(xué). 2001(01)
本文編號(hào):3319384
【文章來(lái)源】:重慶郵電大學(xué)重慶市
【文章頁(yè)數(shù)】:78 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
激活函數(shù)Sigmoid和Tanh的導(dǎo)函數(shù)圖像
重慶郵電大學(xué)碩士學(xué)位論文第2章相關(guān)理論和算法基礎(chǔ)2.2循環(huán)神經(jīng)網(wǎng)絡(luò)雖然卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)領(lǐng)域都取得了非常好的效果,但是在時(shí)序特征提取方面,傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)通常不如循環(huán)神經(jīng)網(wǎng)絡(luò)效果好。時(shí)間序列信息在生活中非常常見,比如語(yǔ)音,文本,視頻等具有時(shí)間屬性的數(shù)據(jù)。典型的有限時(shí)間序列信息可以用一個(gè)類似于數(shù)組的序列X表示:[]12,,...,tTX=xxxx(2.10)其中tx表示一個(gè)時(shí)間單位內(nèi)的數(shù)據(jù),比如視頻中的幀,文本中的某個(gè)詞向量等。T表示這個(gè)時(shí)間序列的時(shí)間長(zhǎng)度,每個(gè)時(shí)間單位也常被稱為時(shí)間步。同傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)相比,循環(huán)神經(jīng)網(wǎng)絡(luò)在隱藏層的神經(jīng)元上增加了循環(huán)連接。圖2.7展示了循環(huán)神經(jīng)網(wǎng)絡(luò)及其在時(shí)間線上展開的網(wǎng)絡(luò)結(jié)構(gòu)。藍(lán)色的線代表循環(huán)連接。循環(huán)神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)相比,其數(shù)據(jù)輸入方式完全不同。循環(huán)神經(jīng)網(wǎng)絡(luò)按照時(shí)間先后順序接收輸入數(shù)據(jù),且每次只接收一個(gè)時(shí)間步的數(shù)據(jù)。網(wǎng)絡(luò)運(yùn)行過程中,隱藏層的神經(jīng)元狀態(tài)會(huì)被保留下來(lái),并通過循環(huán)連接在網(wǎng)絡(luò)處理下一個(gè)時(shí)間步的數(shù)據(jù)時(shí)對(duì)神經(jīng)元產(chǎn)生影響。圖2.7循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖為了詳細(xì)地描述循環(huán)神經(jīng)網(wǎng)絡(luò)的具體計(jì)算過程,圖2.8展示了只有一個(gè)隱藏層的循環(huán)神經(jīng)網(wǎng)絡(luò)的運(yùn)行流程。假設(shè)時(shí)間步t的輸入數(shù)據(jù)為tx,且僅有三個(gè)元素:123,,ttttx=xxx(2.11)則隱藏層的計(jì)算方式如下:11112111([,])thxthhtthσWxWhhb=++(2.12)18
重慶郵電大學(xué)碩士學(xué)位論文第2章相關(guān)理論和算法基礎(chǔ)22212112([,])thxthhtthσWxWhhb=++(2.13)其中σ()表示激活函數(shù),1211,tthh為隱藏神經(jīng)元在時(shí)間步t-1時(shí)的隱藏狀態(tài),1,2tthh為當(dāng)前時(shí)間步的隱藏狀態(tài),1,2hxhxWW為輸入層到隱藏層的權(quán)重參數(shù)矩陣,1,2hhhhWW為循環(huán)連接的權(quán)重參數(shù)矩陣,12b,b為偏置。從隱藏層的計(jì)算過程可以看出,前一個(gè)時(shí)間步神經(jīng)元的隱藏狀態(tài)在循環(huán)連接的權(quán)重參數(shù)的作用下,參與了當(dāng)前時(shí)間步的神經(jīng)元計(jì)算。這也是循環(huán)神經(jīng)網(wǎng)絡(luò)能建模時(shí)間依賴的核心原因。隱藏層計(jì)算完成后,就可以計(jì)算網(wǎng)絡(luò)的輸出:1211([,])thottoOσWhhb=+(2.14)其中σ()表示激活函數(shù),tO為網(wǎng)絡(luò)輸出,hoW為隱藏層到輸出層的權(quán)重參數(shù),ob代表偏置。圖2.8循環(huán)神經(jīng)網(wǎng)絡(luò)的計(jì)算過程雖然與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)相比,循環(huán)神經(jīng)網(wǎng)絡(luò)的時(shí)序建模能力有了顯著提高。但是在實(shí)際應(yīng)用中,循環(huán)神經(jīng)網(wǎng)絡(luò)面對(duì)長(zhǎng)時(shí)間依賴問題時(shí)卻表現(xiàn)不佳。造成這個(gè)問題的主要原因是:時(shí)序數(shù)據(jù)的時(shí)間跨度太長(zhǎng)給網(wǎng)絡(luò)帶來(lái)梯度消失的問題。為了解決這個(gè)問題,研究者們提出了許多改進(jìn)型的循環(huán)神經(jīng)網(wǎng)絡(luò)。例如S.Hochreiter等人在1997年提出了長(zhǎng)短期記憶網(wǎng)絡(luò),通過門控機(jī)制控制神經(jīng)元中的信息流動(dòng),極大地緩解了梯度消失的問題[65]。2014年K.Cho等人改進(jìn)了LSTM的門控機(jī)制,提出了門控循環(huán)單元[66](GatedRecurrentUnits,GRU)。大多數(shù)情況下LSTM與GRU的效果相當(dāng),但GRU進(jìn)一步簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu),降低了網(wǎng)絡(luò)參數(shù)。19
【參考文獻(xiàn)】:
期刊論文
[1]膿毒癥液體治療急診專家共識(shí)[J]. 中華急診醫(yī)學(xué)雜志. 2018 (01)
[2]Sepsis 1.0到Sepsis 3.0的變遷與展望[J]. 馬曉春,王亮. 醫(yī)學(xué)研究生學(xué)報(bào). 2017(10)
[3]基于生理大數(shù)據(jù)的情緒識(shí)別研究進(jìn)展[J]. 趙國(guó)朕,宋金晶,葛燕,劉永進(jìn),姚林,文濤. 計(jì)算機(jī)研究與發(fā)展. 2016(01)
[4]基于生理信號(hào)的多任務(wù)下駕駛員認(rèn)知負(fù)荷的評(píng)定[J]. 高振海,段立飛,趙會(huì),禹慧麗. 汽車工程. 2015(01)
[5]早期識(shí)別膿毒癥、嚴(yán)重膿毒癥及膿毒性休克[J]. 錢素云,武潔. 中國(guó)小兒急救醫(yī)學(xué). 2014 (04)
[6]基于智能算法的生理信號(hào)情感識(shí)別[J]. 熊勰,劉光遠(yuǎn),溫萬(wàn)惠. 計(jì)算機(jī)科學(xué). 2011(03)
[7]膿毒癥研究的綜合思路[J]. 常文秀,張金鐘,曹書華. 醫(yī)學(xué)與哲學(xué)(臨床決策論壇版). 2007(09)
[8]SOFA評(píng)分的臨床意義及其在臨床研究中的應(yīng)用[J]. 曾理,胡祖鵬. 中國(guó)臨床醫(yī)學(xué). 2001(01)
本文編號(hào):3319384
本文鏈接:http://sikaile.net/yixuelunwen/xxg/3319384.html
最近更新
教材專著