| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第8-11页 |
| 图表目录 | 第11-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13页 |
| 1.2 ECG 自动诊断系统概述 | 第13-17页 |
| 1.2.1 ECG 自动诊断系统的构成 | 第14-15页 |
| 1.2.2 ECG 自动诊断系统的研究现状 | 第15-17页 |
| 1.2.3 ECG 自动诊断系统研究的难点 | 第17页 |
| 1.3 本文主要内容 | 第17-18页 |
| 1.4 本文结构安排 | 第18-21页 |
| 第二章 心电图的基本知识 | 第21-31页 |
| 2.1 心电信号的产生机理 | 第21页 |
| 2.2 心电图的基础 | 第21-25页 |
| 2.3 常见心率失常心电图表现 | 第25-28页 |
| 2.3.1 早搏 | 第25-26页 |
| 2.3.2 窦性心律不齐 | 第26-27页 |
| 2.3.3 起搏器起搏的心拍 | 第27页 |
| 2.3.4 束支传导阻滞 | 第27-28页 |
| 2.4 心室过早搏动 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 心电信号的预处理 | 第31-49页 |
| 3.1 ECG 信号中存在的噪声与干扰分析 | 第31-32页 |
| 3.2 基于经典数字滤波技术的心电消噪 | 第32-38页 |
| 3.2.1 基线漂移校正 | 第32-36页 |
| 3.2.2 高频肌电噪声及工频干扰的滤除 | 第36-38页 |
| 3.3 基于小波理论的 ECG 消噪 | 第38-46页 |
| 3.3.1 小波变换特性及原理 | 第38-39页 |
| 3.3.2 小波消噪算法中的关键问题分析 | 第39-41页 |
| 3.3.3 小波算法在 ECG 消噪中的应用与实现 | 第41-46页 |
| 3.4 传统滤波与小波消噪的比较与分析 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 基于小波理论的 QRS 波群检测算法研究 | 第49-63页 |
| 4.1 QRS 波群检测意义及常用检测法 | 第49-50页 |
| 4.2 基于经典差分阈值法的 R 波检测 | 第50-53页 |
| 4.3 小波变换探测 ECG 信号奇异点原理 | 第53-56页 |
| 4.3.1 多分辨率分析和 Mallat 算法 | 第53-54页 |
| 4.3.2 ECG 信号在在小波变换下的特征 | 第54-56页 |
| 4.4 基于双正交二次 B 样条小波的 QRS 波群识别算法 | 第56-61页 |
| 4.4.1 算法研究及仿真 | 第56-60页 |
| 4.4.2 小波检测法与经典差分阈值法的比较与分析 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 基于神经网络的异常心电信号自动分类 | 第63-77页 |
| 5.1 BP 神经网络 | 第63-66页 |
| 5.1.1 BP 神经网络的构成与实际应用 | 第63-64页 |
| 5.1.2 训练 BP 神经网络 | 第64-66页 |
| 5.2 对普通 BP 神经网络的分析及改进 | 第66-68页 |
| 5.2.1 BP 神经网络的有限性 | 第66页 |
| 5.2.2 本文改进的 BP 神经网络算法 | 第66-68页 |
| 5.3 基于 BP 网络算法改进的早搏心拍检测 | 第68-72页 |
| 5.3.1 BP 神经网络检测分类的结构设计 | 第68-70页 |
| 5.3.2 检测分类的算法设计 | 第70-71页 |
| 5.3.3 心电图神经网络分类的可靠性分析 | 第71-72页 |
| 5.4 基于 BP 网络改进算法的心律异常信号分类 | 第72-75页 |
| 5.4.1 实验设计与实现 | 第72-74页 |
| 5.4.2 实验仿真与结果统计 | 第74-75页 |
| 5.5 本章小结 | 第75-77页 |
| 第六章 总结及展望 | 第77-79页 |
| 6.1 本文工作总结 | 第77页 |
| 6.2 今后研究展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读学位期间发表的论文及参与项目 | 第85页 |
