| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 基于脉搏波传导速度(时间)的血压估计方法 | 第14-15页 |
| 1.2.2 基于脉搏波特征参数的血压估计方法 | 第15-16页 |
| 1.2.3 基于深度学习的血压估计方法 | 第16-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 第2章 深度神经网络简介 | 第20-26页 |
| 2.1 深度神经网络的结构与训练 | 第20-23页 |
| 2.1.1 神经元与激活函数 | 第20-21页 |
| 2.1.2 反向传播与优化算法 | 第21-22页 |
| 2.1.3 过拟合 | 第22-23页 |
| 2.2 常见网络架构 | 第23-24页 |
| 2.2.1 卷积神经网络 | 第23-24页 |
| 2.2.2 循环神经网络 | 第24页 |
| 2.3 深度迁移学习 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 深度神经网络血压建模方法 | 第26-34页 |
| 3.1 信号预处理 | 第26-29页 |
| 3.1.1 信号滤波 | 第26-27页 |
| 3.1.2 检点与分割 | 第27-28页 |
| 3.1.3 标准化与异常信号处理 | 第28-29页 |
| 3.2 数据集划分 | 第29-30页 |
| 3.3 深度神经网络建模 | 第30-31页 |
| 3.3.1 网络架构 | 第30-31页 |
| 3.3.2 训练过程 | 第31页 |
| 3.4 实验结果 | 第31-33页 |
| 3.5 小结 | 第33-34页 |
| 第4章 基于深度迁移学习的心律失常患者血压建模 | 第34-46页 |
| 4.1 引言 | 第34-35页 |
| 4.2 心律失常患者数据集 | 第35-37页 |
| 4.3 深度迁移学习建模 | 第37-39页 |
| 4.4 实验结果 | 第39-42页 |
| 4.5 特征可视化 | 第42-44页 |
| 4.6 小结 | 第44-46页 |
| 第5章 穿戴式血压监测系统 | 第46-54页 |
| 5.1 系统组成 | 第46-48页 |
| 5.2 工作流程 | 第48-49页 |
| 5.3 开发环境 | 第49-50页 |
| 5.4 模型复杂度评估 | 第50-51页 |
| 5.5 小结 | 第51-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 未来工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第62-63页 |