心電信號(hào)（Electrocardiogram,ECG）是心臟生物電活動(dòng)的記錄,是一種非平穩(wěn)、非線性、隨機(jī)性強(qiáng)的弱生理信號(hào)。以深度學(xué)習(xí)技術(shù)為代表的ECG分類算法對(duì)心血管疾�。–ardiovascular disease,CVD）的臨床診斷具有重要意義。已有針對(duì)特定CVD分類任務(wù)而設(shè)計(jì)的深度學(xué)習(xí)模型,直接應(yīng)用于新的CVD分類任務(wù)中效果不佳,重新訓(xùn)練適用于新CVD分類任務(wù)的深度學(xué)習(xí)模型,不僅需要大量有標(biāo)注的ECG樣本,而且需要大量的計(jì)算資源和時(shí)間。利用數(shù)據(jù)之間的共同特征、重用已有的分類模型是應(yīng)對(duì)ECG標(biāo)簽樣本不足,提高分類準(zhǔn)確率的技術(shù)途徑。本課題以深度學(xué)習(xí)為技術(shù)基礎(chǔ),以遷移學(xué)習(xí)為切入點(diǎn),探索對(duì)提高ECG分類識(shí)別率的方法。ECG分類領(lǐng)域內(nèi)數(shù)據(jù)量有限,首先以圖片域?yàn)樵从?重用圖片分類領(lǐng)域的大型預(yù)訓(xùn)練網(wǎng)絡(luò),通過微調(diào)預(yù)訓(xùn)練模型,實(shí)現(xiàn)ECG分類;進(jìn)而結(jié)合ECG的時(shí)序特性,構(gòu)建心電預(yù)訓(xùn)練分類模型,并使用標(biāo)注數(shù)據(jù)對(duì)其進(jìn)行重用,實(shí)現(xiàn)目標(biāo)分類任務(wù);最后在無法使用標(biāo)注數(shù)據(jù)進(jìn)行ECG模型重用時(shí),通過基于最大均值差異的域適應(yīng)方法,減少源域和目標(biāo)域特征分布的差異,實(shí)現(xiàn)ECG分類的域適應(yīng)。主要研究工作包括:（1）針對(duì)E... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

正常ECG波形

3以圖片域?yàn)樵从虻倪w移學(xué)習(xí)心電分類算法21,1abtbtaa（3.1）其中，a、b均為常數(shù)，a為尺度因子，對(duì)應(yīng)頻率信息，其大小決定小波的寬度，a越大，小波時(shí)窗越寬，頻率分辨率越高。b是位移因子，表示時(shí)間信息，決定小波在坐標(biāo)軸的位置。,()abt是目標(biāo)波經(jīng)平移和伸縮產(chǎn)生的一組函數(shù)，稱為小波基函數(shù)，簡稱小波基。對(duì)于給定的小波函數(shù)a,bt的CWT定義為：*,1,,xabtbWTabxxtdtaa（3.2）其中，符號(hào)*表示共軛，即*a,b為a,b的共軛。函數(shù)xt經(jīng)過CWT后，由原本的時(shí)域信號(hào)轉(zhuǎn)換到二維的時(shí)間-尺度相平面上。實(shí)驗(yàn)中使用的小波函數(shù)a,bt為Morse小波[58]。它是一個(gè)單頻率復(fù)正弦函數(shù)，具有靈活的時(shí)頻局部特性及嚴(yán)格解析性，其數(shù)學(xué)定義如式3.3：22cos5ttCex（3.3）其中C是重構(gòu)時(shí)的歸一化常數(shù)。3.2.2心電特征圖使用morse小波作為母小波，選用尺度為12，將截取的一維心電數(shù)據(jù)序列連續(xù)小波變換映射在二維平面中。為適配預(yù)訓(xùn)練網(wǎng)絡(luò)輸入特征向量的維度要求，將特征圖像resize為224×224×3和227×227×3，并送入相應(yīng)的網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。圖3.4顯示了三種不同的ECG特征圖示例。圖3.4三種ECG的小波尺度圖

3以圖片域?yàn)樵从虻倪w移學(xué)習(xí)心電分類算法223.3實(shí)驗(yàn)3.3.1數(shù)據(jù)集輔助域數(shù)據(jù)集為ImageNet中用于圖像分類的子數(shù)據(jù)集。該數(shù)據(jù)集共有1000個(gè)子類，120萬張訓(xùn)練圖片，5萬張驗(yàn)證圖片，10萬張測試圖片。目標(biāo)域數(shù)據(jù)集為來自于PhysionNet[59]上的96條心律失常（CardiacArrhythmia，ARR）數(shù)據(jù)，采樣率為360Hz；30條充血性心力衰竭（CongestiveHeartFailure，CHF）數(shù)據(jù)，采樣率為250Hz；36條正常竇性心律（NormalSinusRhythms，NSR）數(shù)據(jù)，采樣率為128Hz。將所有數(shù)據(jù)統(tǒng)一采樣率為128Hz，每條數(shù)據(jù)時(shí)長為512秒。實(shí)驗(yàn)截取每條數(shù)據(jù)的前1000個(gè)采樣點(diǎn)，共獲得162幅圖像。原始數(shù)據(jù)示例如圖3.5所示。圖3.5原始數(shù)據(jù)波形圖實(shí)驗(yàn)中采用留出法將數(shù)據(jù)劃分為訓(xùn)練集與測試集兩個(gè)互斥的ECG數(shù)據(jù)集，并使用分層抽樣的方法保留類別比例，避免因數(shù)據(jù)劃分過程中引入額外的偏差。以8:2的比例對(duì)三分類數(shù)據(jù)劃分為例，其示意圖如圖3.5所示。數(shù)據(jù)集包含三個(gè)A、B、C類別，在劃分時(shí)，每個(gè)類別隨機(jī)劃分為5等份，取其中4份作為訓(xùn)練

【參考文獻(xiàn)】：
期刊論文
[1]基于堆疊式雙向LSTM的心電圖自動(dòng)識(shí)別算法[J]. 王文刀,王潤澤,魏鑫磊,漆云亮,馬義德.  計(jì)算機(jī)科學(xué). 2020(07)
[2]領(lǐng)域知識(shí)指導(dǎo)的模型重用[J]. 吳西竹,周志華.  中國科學(xué):信息科學(xué). 2017(11)
[3]基于小波神經(jīng)網(wǎng)絡(luò)的心電信號(hào)濾波研究[J]. 萬相奎,張軍.  生物醫(yī)學(xué)工程學(xué)雜志. 2010(06)
[4]黃宛臨床心電圖學(xué)[J].   中國醫(yī)刊. 2009(11)

博士論文
[1]遞歸神經(jīng)網(wǎng)絡(luò)模型的若干關(guān)鍵問題研究[D]. 張孝慈.中國科學(xué)技術(shù)大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的心電信號(hào)檢測和分類研究[D]. 項(xiàng)延德.浙江大學(xué) 2018



本文編號(hào)：3520812