基于RR间期和深度置信网络的房颤检测
| 摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的背景及意义 | 第10-12页 |
| ·心电图及房颤信号的特征 | 第12-14页 |
| ·心电图的介绍 | 第12-13页 |
| ·房颤在心电图中的特征 | 第13-14页 |
| ·房颤检测技术的研究进展 | 第14-16页 |
| ·国内外研究发展现状及分析 | 第14-16页 |
| ·房颤检测算法的对比研究 | 第16页 |
| ·本文内容研究及章节安排 | 第16-18页 |
| 第2章RR间期数据的研究 | 第18-26页 |
| ·直方图分析研究 | 第18-22页 |
| ·RR间期差直方图的计算 | 第18-20页 |
| ·RR间期直方图改进 | 第20页 |
| ·RR间期差香农熵计算 | 第20-22页 |
| ·符号动力学的分析 | 第22-25页 |
| ·RR间期差符号序列 | 第22-23页 |
| ·RR间期差符号序列改进 | 第23页 |
| ·子串长度概率分布熵 | 第23-25页 |
| ·数据的融合 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于深度置信网络的房颤检测 | 第26-39页 |
| ·深度学习 | 第26-27页 |
| ·深度置信网络 | 第27-29页 |
| ·受限玻尔兹曼机 | 第29-33页 |
| ·受限玻尔兹曼机的基本模型 | 第29-31页 |
| ·基于对比散度的RBM的快速学习 | 第31-33页 |
| ·基于反向传播网络的参数调节 | 第33-35页 |
| ·基于深度置信网络的房颤检测 | 第35-38页 |
| ·深度置信网络的参数设置 | 第35-36页 |
| ·深度置信网络的结构选取 | 第36-37页 |
| ·房颤检测的实现步骤 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 实验结果与分析 | 第39-43页 |
| ·实验数据说明和相关知识介绍 | 第39-40页 |
| ·实验有效性的验证 | 第40-41页 |
| ·本文方法和其它方法的比较 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·工作展望 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间取得的科研成果 | 第51页 |
