基于心电图的异源数据库及诊断算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景与实际意义 | 第9-10页 |
| 1.2 心电图疾病诊断依据 | 第10-11页 |
| 1.3 国内外研究进展及成果 | 第11-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 1.5 本文的结构安排 | 第14-15页 |
| 第2章 异源心电数据库研究 | 第15-28页 |
| 2.1 异源心电数据库 | 第15-17页 |
| 2.1.1 异源心电数据库及其需求分析 | 第15-16页 |
| 2.1.2 异源心电数据应用障碍 | 第16-17页 |
| 2.2 心电信号预处理 | 第17-22页 |
| 2.2.1 噪声分析及去除 | 第17-20页 |
| 2.2.2 滤波效果及其对比 | 第20-22页 |
| 2.2.3 采样频率转换 | 第22页 |
| 2.3 异源数据库处理效果对比 | 第22-25页 |
| 2.4 异源心电数据库疾病诊断 | 第25-27页 |
| 2.4.1 实验数据来源 | 第25-26页 |
| 2.4.2 实验及结果分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于BPNN多阶分类算法的ECG诊断 | 第28-41页 |
| 3.1 BP神经网络原理 | 第28-30页 |
| 3.2 基于BPNN的多阶分类算法 | 第30-32页 |
| 3.3 相关特征提取算法 | 第32-34页 |
| 3.3.1 小波特征提取算法 | 第32-33页 |
| 3.3.2 改进的RBP算法 | 第33-34页 |
| 3.3.3 波形特征 | 第34页 |
| 3.4 实验结果及分析 | 第34-37页 |
| 3.4.1 多阶分类算法分类 | 第34-36页 |
| 3.4.2 常规BPNN分类 | 第36-37页 |
| 3.5 对比试验 | 第37-40页 |
| 3.5.1 三种特征提取方法比较 | 第37页 |
| 3.5.2 与SVM分类算法比较 | 第37-38页 |
| 3.5.3 与其他方法比较 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 疾病诊断系统实现 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 诊断系统架构 | 第41-42页 |
| 4.3 各模块实现原理 | 第42-44页 |
| 4.4 系统实现 | 第44-50页 |
| 4.4.1 客户端系统实现 | 第45-47页 |
| 4.4.2 服务器端实现 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58页 |
