心血管疾病是近年來(lái)威脅人們生命健康的主要慢性疾病之一。心血管疾病患者在早期發(fā)病時(shí)往往伴隨有心律失常的癥狀,通過(guò)心電信號(hào)盡早發(fā)現(xiàn)心律失常癥狀可以有效預(yù)防心血管疾病。心電信號(hào)(ECG)能夠反映心率波動(dòng)的狀況,對(duì)心電信號(hào)的分類結(jié)果是判斷心律失常類型的重要依據(jù)。目前對(duì)心電信號(hào)分類的方法有神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法、模板匹配法等,在分類成功率方面已取得良好的效果。但是,目前已有的心電信號(hào)分類方法的時(shí)間及空間復(fù)雜度較高,在小型化、便攜化的硬件設(shè)備中難以應(yīng)用。減少數(shù)據(jù)集中的冗余特征,降低分類算法占用的資源,并成功應(yīng)用于實(shí)際醫(yī)療診斷中是該研究領(lǐng)域內(nèi)亟待解決的熱點(diǎn)問(wèn)題。本文對(duì)心電信號(hào)的分類及屬性約簡(jiǎn)算法進(jìn)行研究,提出基于粗糙集的ECG信號(hào)醫(yī)療輔助決策系統(tǒng),論文的主要研究?jī)?nèi)容如下:1、針對(duì)對(duì)心電信號(hào)特征點(diǎn)準(zhǔn)確定位的問(wèn)題,本文提出了一種基于Pan-Tompkins算法的改進(jìn)算法,該方法先使用心電信號(hào)前2秒的信號(hào)對(duì)自適應(yīng)閾值進(jìn)行初始化,再對(duì)心電信號(hào)QRS波群的R波波峰進(jìn)行定位,實(shí)現(xiàn)了心電信號(hào)特征點(diǎn)的準(zhǔn)確定位及更快速地調(diào)整算法中的自適應(yīng)閾值。針對(duì)現(xiàn)有方法中使用固定窗口截取心電信號(hào),導(dǎo)致截?cái)鄦蝹�(gè)心動(dòng)周期的心電波形,...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 心電信號(hào)分類研究現(xiàn)狀
        1.2.2 粗糙集研究現(xiàn)狀
    1.3 本文主要工作內(nèi)容
第二章 心電信號(hào)的特征點(diǎn)定位及特征提取
    2.1 基于的Pan-Tompkins的QRS波群定位算法
        2.1.1 數(shù)據(jù)預(yù)處理
        2.1.2 QRS波群的檢測(cè)定位
    2.2 基于自適應(yīng)閾值法的心電信號(hào)特征點(diǎn)定位
        2.2.1 Q波及S波的檢測(cè)定位
        2.2.2 P波及T波的檢測(cè)定位
    2.3 心電信號(hào)定位算法的實(shí)驗(yàn)驗(yàn)證
    2.4 心電信號(hào)特征提取
        2.4.1 心電信號(hào)的特征
        2.4.2 心電信號(hào)的特征提取方法
    2.5 本章小結(jié)
第三章 粗糙集的基本理論及約簡(jiǎn)方法
    3.1 數(shù)據(jù)離散化的基本方法
        3.1.1 無(wú)監(jiān)督離散算法和有監(jiān)督算法的對(duì)比
        3.1.2 基于信息熵的離散方法
        3.1.3 基于信息熵的離散方法的劃分點(diǎn)求取
    3.2 粗糙集理論
        3.2.1 知識(shí)與知識(shí)表達(dá)系統(tǒng)
        3.2.2 近似空間
        3.2.3 核與約簡(jiǎn)
        3.2.4 粗糙集的屬性約簡(jiǎn)的方法對(duì)比
    3.3 基于屬性重要度的屬性約簡(jiǎn)法
    3.4 驗(yàn)證約簡(jiǎn)方法的有效性
    3.5 本章小結(jié)
第四章 粗糙集在心電信號(hào)分類中的應(yīng)用
    4.1 數(shù)據(jù)集的準(zhǔn)備
    4.2 心電信號(hào)的分類方法的選擇
    4.3 基于支持向量機(jī)的心電信號(hào)分類
        4.3.1 支持向量機(jī)的基本理論
        4.3.2 核函數(shù)的選擇
        4.3.3 LIBSVM的使用
        4.3.4 懲罰系數(shù)和核參數(shù)對(duì)分類效果的影響
    4.4 粗糙集在心電信號(hào)分類中的應(yīng)用
        4.4.1 決策表的屬性約簡(jiǎn)
        4.4.2 實(shí)施分類的流程
        4.4.3 屬性約簡(jiǎn)前、后分類效果對(duì)比
    4.5 本章小結(jié)
第五章 醫(yī)療輔助決策系統(tǒng)的實(shí)現(xiàn)
    5.1 醫(yī)療輔助決策系統(tǒng)的組成
    5.2 醫(yī)療輔助決策系統(tǒng)的執(zhí)行流程
    5.3 基于屬性重要度的屬性約簡(jiǎn)法的python實(shí)現(xiàn)
        5.3.1 決策表的構(gòu)建
        5.3.2 決策表核的求取
        5.3.3 條件屬性的重要度計(jì)算
        5.3.4 基于屬性的重要度的屬性約簡(jiǎn)
    5.4 醫(yī)療輔助決策系統(tǒng)的軟件組成及實(shí)現(xiàn)
        5.4.1 C++和python的混合編程
        5.4.2 顯示模塊的軟件實(shí)現(xiàn)
        5.4.3 輔助決策模塊的實(shí)現(xiàn)
        5.4.4 醫(yī)療輔助決策系統(tǒng)的界面展示
    5.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間的科研成果
致謝



本文編號(hào)：3735072