脉象信号特征提取与脉图聚类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 基于单周期的脉图特征提取方法 | 第16-35页 |
| 2.1 引言 | 第16-17页 |
| 2.2 脉象信号预处理 | 第17-25页 |
| 2.2.1 噪声与基线漂移的去除 | 第17-21页 |
| 2.2.2 突变检测与剔除 | 第21-23页 |
| 2.2.3 周期分割与归一化 | 第23-25页 |
| 2.3 基于周期分解模型的脉图特征提取 | 第25-30页 |
| 2.3.1 脉图特征点特征提取 | 第25-26页 |
| 2.3.2 脉图曲线拟合参数特征提取 | 第26-27页 |
| 2.3.3 脉图频域特征提取 | 第27-29页 |
| 2.3.4 脉图周期分解模型特征提取 | 第29-30页 |
| 2.4 实验结果与分析 | 第30-34页 |
| 2.4.1 数据集与评价标准 | 第30-31页 |
| 2.4.2 脉象信号预处理结果与分析 | 第31-32页 |
| 2.4.3 单周期脉图特征提取结果与分析 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于多周期的脉图特征提取方法 | 第35-45页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于卷积神经网络的脉图特征提取 | 第36-39页 |
| 3.2.1 传统脉图特征提取方法的特点 | 第36-37页 |
| 3.2.2 卷积神经网络特征的特点 | 第37-38页 |
| 3.2.3 脉图卷积神经网络特征提取 | 第38-39页 |
| 3.3 多层特征融合策略 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-44页 |
| 3.4.1 评价指标与数据增强 | 第40-41页 |
| 3.4.2 基于深度卷积网络的脉图分类 | 第41-42页 |
| 3.4.3 不同卷积模型的分类对比实验 | 第42-43页 |
| 3.4.4 多层特征融合的分类对比实验 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于脉图的聚类方法与疾病分析 | 第45-54页 |
| 4.1 引言 | 第45页 |
| 4.2 基于互信息值的脉图聚类方法研究 | 第45-49页 |
| 4.2.1 脉图聚类方法分析 | 第46-48页 |
| 4.2.2 脉图聚类集成方法 | 第48页 |
| 4.2.3 脉图聚类评价标准 | 第48-49页 |
| 4.3 脉图聚类实验结果与分析 | 第49-51页 |
| 4.3.1 基于单周期特征的脉图聚类 | 第49-50页 |
| 4.3.2 基于多周期特征的脉图聚类 | 第50-51页 |
| 4.4 基于脉图的心血管疾病分析 | 第51-53页 |
| 4.4.1 聚类脉图与中医脉象的关系 | 第51页 |
| 4.4.2 基于脉图的心血管疾病分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61页 |
