首页--医药、卫生论文--内科学论文--心脏、血管(循环系)疾病论文--诊断学论文

异常心电信息识别与基于分类决策树的心电预测研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第10-16页
    1.1 研究背景及意义第10-11页
    1.2 心电信号去噪的研究现状第11页
    1.3 心电信号检测和识别的研究现状第11-12页
    1.4 心电信号特征提取和挖掘算法实现研究现状第12-13页
    1.5 课题研究的主要内容第13页
    1.6 论文的组织结构第13-16页
第二章 心电图的基本知识和心电数据来源第16-20页
    2.1 心电图基本内容第16-17页
        2.1.1 心电信号产生机理第16页
        2.1.2 心电信号特征第16页
        2.1.3 心电图各波段信息和参数第16-17页
    2.2 实验数据源第17-18页
    2.3 本章小结第18-20页
第三章 小波变换理论基础第20-24页
    3.1 小波分析方法第20页
    3.2 连续小波变换第20-21页
    3.3 离散小波变换第21页
    3.4 平稳小波变换第21-22页
    3.5 本章小结第22-24页
第四章 基于小波变换的心电信号处理与特征识别第24-36页
    4.1 二次滤波噪声分析第24-25页
    4.2 小波阈值去噪法第25页
    4.3 阈值函数的选取第25-26页
    4.4 阈值的选取第26-27页
    4.5 自适应软阈值函数滤波第27-28页
    4.6 小波基函数的选取第28-31页
    4.7 心电信号频率分析和小波函数分层第31页
    4.8 实验结果和性能分析第31-34页
    4.9 本章小结第34-36页
第五章 基于平稳小波变换的心电信号波形检测与特征识别第36-54页
    5.1 心电信号小波变换的奇异点检测第36-39页
        5.1.1 小波变化提取心电信号奇异点原理第36-38页
        5.1.2 李氏指数与小波系数的关系第38-39页
    5.2 B样条小波基在小波变换中的运用第39-41页
        5.2.1 二次样条小波变换原理第39-40页
        5.2.2 构造双正交样条小波滤波器第40-41页
    5.3 自适应加窗QRS波群检测第41-51页
        5.3.1 R波检测原理第41-42页
        5.3.2 自适应加窗R波检测步骤第42-44页
        5.3.3 R波的误检和漏检第44页
        5.3.4 R波检测结果第44-46页
        5.3.5 Q波和S波检测第46-47页
        5.3.6 Q波和S波检测流程第47页
        5.3.7 Q波和S波检测结果第47-48页
        5.3.8 QRS波群起始点检测第48-50页
        5.3.9 QRS波群起始点检测结果第50-51页
    5.4 P波和T波检测第51-52页
        5.4.1 P波和T波检测步骤第51-52页
        5.4.2 P波和T波检测结果第52页
    5.5 本章小结第52-54页
第六章 心电特征波段信息提取与异常预测模型构建第54-66页
    6.1 常见异常心电划分第54-55页
    6.2 异常心电诊断标准特征量化第55-56页
    6.3 心电特征波段信息采集与入库第56-57页
    6.4 心电异常分类预测模型构建第57-65页
        6.4.1 决策树算法简介第57-59页
        6.4.2 C5.0算法构建预测模型第59-61页
        6.4.3 K重交叉验证简介第61-62页
        6.4.4 随机森林树算法简介第62-63页
        6.4.5 基于随机森林树算法构建预测模型第63-65页
    6.5 本章小结第65-66页
第七章 总结与展望第66-69页
    7.1 总结第66页
    7.2 展望第66-69页
参考文献第69-72页
致谢第72-73页
攻读学位期间发表的学术论文和申请专利第73页

论文共73页,点击 下载论文
上一篇:基于蓝牙4.0的室内复合模型的设计与实现
下一篇:非授权频段中eLAA与WiFi系统共存性能研究