首页--医药、卫生论文--内科学论文--心脏、血管(循环系)疾病论文--心脏疾病论文--心律失常论文

基于深度学习的房颤检测

摘要第5-6页
abstract第6页
第1章 绪论第10-16页
    1.1 引言第10页
    1.2 心电图及房颤的信号特征第10-13页
        1.2.1 心电图简述第10-11页
        1.2.2 房颤分类及信号特征第11-13页
    1.3 房颤检测算法的研究进展第13-14页
        1.3.1 基于传统特征提取的房颤检测算法第13-14页
        1.3.2 基于深度学习的房颤检测算法第14页
    1.4 论文研究内容和章节安排第14-15页
    1.5 小结第15-16页
第2章 深度学习理论第16-22页
    2.1 引言第16页
    2.2 深度学习简介第16-17页
    2.3 循环神经网络第17-21页
        2.3.1 长短时记忆网络第18-19页
        2.3.2 门控循环单元第19-20页
        2.3.3 双向循环神经网络第20-21页
    2.4 小结第21-22页
第3章 心电信号预处理第22-27页
    3.1 引言第22页
    3.2 心电信号降噪第22-24页
    3.3 基于特征点的数据增强方法第24-26页
    3.4 小结第26-27页
第4章 基于循环神经网络的房颤检测第27-37页
    4.1 引言第27页
    4.2 基于单导联心电的房颤检测第27-30页
        4.2.1 数据集简介第27-29页
        4.2.2 数据预处理第29页
        4.2.3 使用的模型结构第29-30页
    4.3 基于多导联心电的房颤检测第30-35页
        4.3.1 数据集简介第30-32页
        4.3.2 心电信号预处理第32-33页
        4.3.3 模型改进第33页
        4.3.4 特征导联选取第33-35页
    4.4 网络的训练和优化第35-36页
    4.5 小结第36-37页
第5章 实验结果与分析第37-45页
    5.1 引言第37页
    5.2 性能评估标准第37-38页
    5.3 单导联房颤检测算法评估第38-42页
    5.4 多导联房颤检测算法评估第42-44页
    5.5 小结第44-45页
第6章 总结与展望第45-47页
    6.1 本文完成的研究工作及主要结果第45-46页
    6.2 需要进一步研究的问题第46-47页
参考文献第47-52页
致谢第52-53页
攻读学位期间参加的科研项目和成果第53页

论文共53页,点击 下载论文
上一篇:基于Eclipse放疗计划系统的自动勾画技术的研究和分析
下一篇:我国高收入群体个人所得税流失及对策研究--以杭州市L区为例