本文關(guān)鍵詞：標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電信號重建方法研究

  更多相關(guān)文章： 導(dǎo)聯(lián)重建 心電信號 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 分區(qū)自適應(yīng) ECG特征

【摘要】：隨著心臟疾病的日益普遍以及人們自我監(jiān)測意識的不斷增強(qiáng),用于家庭監(jiān)測和遠(yuǎn)程醫(yī)療的可穿戴式心電圖(ECG)采集系統(tǒng)日益受到人們的關(guān)注。但此類的可穿戴式設(shè)備能直接采集的ECG導(dǎo)聯(lián)數(shù)較少,所能提供的醫(yī)療ECG信息有限。而利用較少導(dǎo)聯(lián)信號重建標(biāo)準(zhǔn)12導(dǎo)聯(lián)信號的方法則能很好的解決這樣的問題。 本文首先提出了一種基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)法來進(jìn)行標(biāo)準(zhǔn)12導(dǎo)聯(lián)ECG信號的重建。該方法通過遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值的設(shè)置,在此基礎(chǔ)上BP神經(jīng)網(wǎng)絡(luò)再進(jìn)行訓(xùn)練,訓(xùn)練完后的網(wǎng)絡(luò)輸入已知的3導(dǎo)聯(lián)信號組即可重建出標(biāo)準(zhǔn)12導(dǎo)聯(lián)的其余信號。該方法在基于The PTB diagnostic ECG database建立的數(shù)據(jù)庫中進(jìn)行了實(shí)驗(yàn),并且與線性變換法和普通的BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行了對比。實(shí)驗(yàn)結(jié)果表明,該方法有效地提高了標(biāo)準(zhǔn)12導(dǎo)聯(lián)ECG信號的重建效果。 本文還進(jìn)一步的提出了基于ECG特征分區(qū)的自適應(yīng)導(dǎo)聯(lián)重建方法。該方法首先將ECG波形按照特征及波動特性進(jìn)行分區(qū),對每個(gè)區(qū)域的波形單獨(dú)進(jìn)行訓(xùn)練得到各自的最優(yōu)網(wǎng)絡(luò),并且在重建時(shí)自適應(yīng)地選擇不同分區(qū)的網(wǎng)絡(luò)進(jìn)行重建。實(shí)驗(yàn)結(jié)果表明,本文的分區(qū)自適應(yīng)導(dǎo)聯(lián)重建法不僅在ECG整體波形的重建準(zhǔn)確率上有了很大的提高,對于ECG本身的特征也有更好的重建效果。
【關(guān)鍵詞】：導(dǎo)聯(lián)重建 心電信號 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 分區(qū)自適應(yīng) ECG特征
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R541.04;TN911.7
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-8
• 目錄8-10
• 圖目錄10-12
• 表目錄12-13
• 1 緒論13-18
• 1.1 課題背景與意義13-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-16
• 1.3 本文的研究內(nèi)容與創(chuàng)新點(diǎn)16-17
• 1.3.1 課題研究內(nèi)容16
• 1.3.2 創(chuàng)新點(diǎn)和關(guān)鍵技術(shù)指標(biāo)16-17
• 1.4 本文的內(nèi)容及組織17-18
• 2 ECG導(dǎo)聯(lián)重建方法簡介18-23
• 2.1 線性導(dǎo)聯(lián)重建方法18-19
• 2.2 非線性導(dǎo)聯(lián)重建方法19-22
• 2.2.1 人工神經(jīng)網(wǎng)絡(luò)(ANN)法19-20
• 2.2.2 支持向量機(jī)(SVM)法20-22
• 2.3 本章小結(jié)22-23
• 3 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)導(dǎo)聯(lián)重建方法23-56
• 3.1 數(shù)據(jù)庫建立23-25
• 3.2 波形預(yù)處理25-30
• 3.3 重建導(dǎo)聯(lián)組選擇30-33
• 3.3.1 導(dǎo)聯(lián)之間的關(guān)系30
• 3.3.2 導(dǎo)聯(lián)的正交性30-31
• 3.3.3 各導(dǎo)聯(lián)主成分分析(PCA)31-33
• 3.4 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的算法設(shè)計(jì)33-37
• 3.4.1 遺傳算法優(yōu)化簡介33
• 3.4.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)33-34
• 3.4.3 GA-BP算法用于導(dǎo)聯(lián)重建34-37
• 3.5 實(shí)驗(yàn)結(jié)果比較37-55
• 3.5.1 重建性能評估方法37-38
• 3.5.2 實(shí)驗(yàn)設(shè)置38-40
• 3.5.3 最優(yōu)訓(xùn)練集采樣點(diǎn)個(gè)數(shù)的確定40-50
• 3.5.4 不同方法的重建結(jié)果比較50-54
• 3.5.5 實(shí)驗(yàn)結(jié)果討論54-55
• 3.6 本章小結(jié)55-56
• 4 基于ECG特征分區(qū)的自適應(yīng)導(dǎo)聯(lián)重建方法56-74
• 4.1 ECG波形特征介紹與提取56-60
• 4.1.1 ECG波形簡介56
• 4.1.2 ECG波形特征提取56-60
• 4.2 不同分區(qū)信號的自適應(yīng)重建60-65
• 4.2.1 ECG波形分區(qū)方法60-61
• 4.2.2 ECG波形分區(qū)步驟61-62
• 4.2.3 自適應(yīng)重建方法62-65
• 4.3 實(shí)驗(yàn)結(jié)果比較65-72
• 4.3.1 數(shù)據(jù)庫建立65-66
• 4.3.2 重建性能評估方法66-67
• 4.3.3 實(shí)驗(yàn)結(jié)果分析67-72
• 4.3.4 實(shí)驗(yàn)結(jié)果討論72
• 4.4 本章小結(jié)72-74
• 5 總結(jié)與展望74-76
• 5.1 本文總結(jié)74-75
• 5.2 展望75-76
• 參考文獻(xiàn)76-80
• 作者簡歷80

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 毛健;趙紅東;姚婧婧;;人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J];電子設(shè)計(jì)工程;2011年24期

2 張學(xué)工;關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J];自動化學(xué)報(bào);2000年01期

3 陳偉偉;高潤霖;劉力生;朱曼璐;王文;王擁軍;吳兆蘇;胡盛壽;;中國心血管病報(bào)告2013概要[J];中國循環(huán)雜志;2014年07期

，

本文編號：846431