基于深度学习的心血管疾病分类识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-19页 |
| 1.1 引言 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 心电信号预处理技术研究 | 第14-15页 |
| 1.2.2 波形检测与特征表达算法的研究 | 第15-16页 |
| 1.2.3 心电信号分类识别方法的研究 | 第16-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 2 心电信号的产生机理及相关工作 | 第19-30页 |
| 2.1 心电信号的产生机理 | 第19-20页 |
| 2.2 小波变换 | 第20-22页 |
| 2.3 支持向量机 | 第22页 |
| 2.4 深度残差网络 | 第22-24页 |
| 2.5 长短期记忆网络 | 第24-26页 |
| 2.6 标准心电数据库简介 | 第26-29页 |
| 2.6.1 MIT-BIH-AR数据库 | 第26-27页 |
| 2.6.2 中国心血管疾病数据库 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 3 基于特征表达的心电信号分类方法 | 第30-40页 |
| 3.1 ECG噪声成分 | 第30-31页 |
| 3.2 心电信号预处理技术 | 第31-33页 |
| 3.2.1 陷波滤波器 | 第32页 |
| 3.2.2 小波分解 | 第32-33页 |
| 3.3 波形检测与特征提取 | 第33-38页 |
| 3.4 ECG信号分类识别 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于深度残差网络的心电信号分类方法 | 第40-48页 |
| 4.1 深度残差网络模型 | 第40-43页 |
| 4.1.1 ResNet-34 | 第41-42页 |
| 4.1.2 ResNet-50 | 第42-43页 |
| 4.2 实验参数寻优 | 第43-44页 |
| 4.3 实验结果 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 5 基于长短期记忆网络的心电信号分类方法 | 第48-53页 |
| 5.1 长短期记忆网络模型 | 第48-49页 |
| 5.2 实验结果 | 第49-51页 |
| 5.3 本章小结 | 第51-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 本文工作总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第60-61页 |
| 致谢 | 第61页 |
