心電和心音在心血管疾病的早期預(yù)測和診斷中扮演著重要的角色。伴隨著機(jī)器學(xué)習(xí)的快速發(fā)展,利用心電圖（ECG）和心音圖（PCG）對心血管疾病進(jìn)行自動(dòng)診斷得到了研究人員的大量關(guān)注。但是,由于心臟活動(dòng)的復(fù)雜性和個(gè)體差異性,基于心音圖或者心電圖的心血管疾病自動(dòng)診斷仍面臨巨大的挑戰(zhàn)。在以往的相關(guān)研究中,研究人員大多針對單一的數(shù)據(jù)源,心電圖或心音圖進(jìn)行信號分析和算法開發(fā),而基于多模態(tài)數(shù)據(jù)的相關(guān)研究較少。而臨床上醫(yī)生對于心血管疾病的確診大都是基于多種模態(tài)的檢測數(shù)據(jù),例如心音,心電圖,生化標(biāo)志物,心臟彩超等等。因此在心血管疾病自動(dòng)診斷方面,開發(fā)一種基于多模態(tài)的數(shù)據(jù)源來進(jìn)行心血管疾病的自動(dòng)診斷是十分必要的。PhysioNet在2016年公開了同時(shí)包含心音和心電的心血管疾病數(shù)據(jù)集。以此數(shù)據(jù)集為基礎(chǔ),本文提出了基于機(jī)器學(xué)習(xí)的數(shù)學(xué)模型來進(jìn)行心血管疾病的預(yù)測分類。我們利用結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的CL-ECG-Net對心電信號進(jìn)行監(jiān)督學(xué)習(xí),并提取心電深度編碼特征。再利用以CL-ECG-Net為基礎(chǔ)的,增加多通道輸入的CL-PCG-Net對心音信號進(jìn)行監(jiān)督學(xué)習(xí),并且提取心音深度編碼特征。然后用遺傳算法對拼接的雙... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于心電的心血管疾病自動(dòng)診斷研究現(xiàn)狀
        1.2.2 基于心音的心血管疾病自動(dòng)診斷研究現(xiàn)狀
        1.2.3 基于心電和心音的心臟疾病自動(dòng)診斷研究現(xiàn)狀
    1.3 本文主要研究問題
    1.4 章節(jié)安排
第2章 神經(jīng)網(wǎng)絡(luò)理論介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 前向傳播
        2.1.2 反向傳播
    2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 衍生網(wǎng)絡(luò)LSTM
    2.3 本章小結(jié)
第3章 基于ECG的心血管疾病自動(dòng)診斷
    3.1 心電信號預(yù)處理
        3.1.1 數(shù)據(jù)準(zhǔn)備
        3.1.2 心電濾波
        3.1.3 心電去壞點(diǎn)
    3.2 心電神經(jīng)網(wǎng)絡(luò)介紹
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)獲取空間信息
        3.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)獲取時(shí)間信息
    3.3 仿真實(shí)驗(yàn)
        3.3.1 驗(yàn)證方法和評價(jià)標(biāo)準(zhǔn)
        3.3.2 實(shí)驗(yàn)和結(jié)果
        3.3.3 特征提取和分析
    3.4 本章小結(jié)
第4章 基于PCG的心血管疾病自動(dòng)診斷
    4.1 心音信號預(yù)處理
        4.1.1 心音去噪聲
        4.1.2 心音頻帶分解
    4.2 心音網(wǎng)絡(luò)結(jié)構(gòu)介紹
    4.3 仿真實(shí)驗(yàn)
        4.3.1 實(shí)驗(yàn)和結(jié)果
        4.3.2 特征提取和分析
    4.4 本章小結(jié)
第5章 基于ECG和PCG的心血管疾病自動(dòng)診斷
    5.1 SVM理論介紹
    5.2 基于主成分分析的特征融合
        5.2.1 PCA理論介紹
        5.2.2 PCA實(shí)驗(yàn)和結(jié)果
    5.3 基于遺傳算法的特征篩選
        5.3.1 GA理論介紹
        5.3.2 GA仿真實(shí)驗(yàn)
        5.3.3 GA結(jié)果和分析
    5.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)術(shù)期間發(fā)表的學(xué)術(shù)論文
學(xué)位論文評閱及答辯情況表



本文編號：3435421