摘要 | 第1-5页 |
ABSTRACT | 第5-6页 |
目录 | 第6-8页 |
第一章 绪论 | 第8-12页 |
§1.1 课题研究的背景 | 第8页 |
§1.2 心电图的临床应用和意义 | 第8-9页 |
§1.3 心电图简介 | 第9-11页 |
·心电图的定义 | 第9页 |
·心电信号产生的原理 | 第9页 |
·心电图的波形简介 | 第9-10页 |
·心电信号的特点 | 第10-11页 |
§1.4 本文研究内容及主要工作 | 第11-12页 |
第二章 心电信号预处理 | 第12-24页 |
§2.1 ECG信号中噪声的特点 | 第12-13页 |
§2.2 60Hz工频干扰的自适应滤波 | 第13-18页 |
·自适应信号处理简介 | 第13-14页 |
·自适应滤波器 | 第14页 |
·随机梯度算法(LMS) | 第14-17页 |
·ECG中的60Hz自适应滤波器的设计 | 第17-18页 |
§2.3 基于小波变换的ECG预处理 | 第18-22页 |
·小波变换的特点 | 第18-19页 |
·小波变换的定义 | 第19-20页 |
·多分辨率分析和Mallat算法 | 第20-21页 |
·小波变换用于ECG信号预处理 | 第21-22页 |
·小波变换用于ECG信号预处理的局限性 | 第22页 |
§2.4 小结 | 第22-24页 |
第三章 QRS波群的检测方法 | 第24-36页 |
§3.1 ORS波群简介 | 第24页 |
§3.2 常用的QRS波群检测算法 | 第24-29页 |
·"Pan and Tompkins"方法 | 第25页 |
·基于模板匹配的方法 | 第25-26页 |
·基于数学模型的方法 | 第26-27页 |
·数字滤波器组的方法 | 第27页 |
·基于神经网络的方法 | 第27-28页 |
·常用QRS波群检测法的讨论 | 第28-29页 |
§3.3 基于小波变换的QRS波群检测 | 第29-32页 |
·小波变换的奇异点与信号突变点间的联系 | 第29-30页 |
·小波变换模极大值在多尺度上的变化 | 第30页 |
·小波变换用于QRS波群检测 | 第30-32页 |
§3.4 差分阈值法对QRS波的检测 | 第32-34页 |
·差分阈值法 | 第32-33页 |
·差分阈值法的检测结果 | 第33-34页 |
§3.5 小结 | 第34-36页 |
第四章 ECG波形分类算法的研究 | 第36-49页 |
§4.1 研究的目的和意义 | 第36页 |
§4.2 ECG波形分类的难点 | 第36页 |
§4.3 几种常见的分类算法 | 第36-38页 |
·贝叶斯分类 | 第36-37页 |
·K近邻分类 | 第37-38页 |
·聚类分析法 | 第38页 |
§4.4 人工神经网络用于ECG波形分类 | 第38-44页 |
·人工神经网络(ANN)的特点 | 第38-39页 |
·人工神经元的基本模型 | 第39页 |
·激活函数(Activation Function) | 第39-40页 |
·神经网络的拓扑结构 | 第40-42页 |
·神经网络的训练和学习 | 第42页 |
·几种常用的人工神经网络 | 第42-44页 |
§4.5 基于学习向量化神经网络的ECG波形分类 | 第44-48页 |
·LVQ网络的结构 | 第44-45页 |
·LVQ网络的学习算法 | 第45-46页 |
·LVQ网络用于ECG波形分类 | 第46-48页 |
§4.6 小结 | 第48-49页 |
第五章 ECG自动分析系统的实现 | 第49-60页 |
§5.1 BORLAND C++BUILDER 6.0简介 | 第49-50页 |
§5.2 面向对象的程序设计方法 | 第50-52页 |
·面向对象程序设计的特点 | 第50页 |
·面向对象程序设计的主要概念 | 第50-51页 |
·OOP在ECG分析系统中的应用 | 第51-52页 |
§5.3 ECG自动分析系统的组成 | 第52-53页 |
§5.4 ECG自动分析系统的实现 | 第53页 |
§5.5 波形显示模块的实现 | 第53-59页 |
·Windows下精确的定时技术 | 第53-56页 |
·Windows多线程技术 | 第56-59页 |
§5.6 小结 | 第59-60页 |
结论 | 第60-61页 |
致谢 | 第61-62页 |
参考文献 | 第62-63页 |