首页--医药、卫生论文--内科学论文--心脏、血管(循环系)疾病论文--心脏疾病论文--心律失常论文

基于ECG的心脏骤停预测方法研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第10-14页
    1.1 研究背景及意义第10-11页
        1.1.1 心脏性猝死介绍第10页
        1.1.2 心脏骤停预测意义第10-11页
        1.1.3 心电图第11页
    1.2 心脏骤停预测方法研究现状第11-12页
    1.3 本文的主要研究内容第12-14页
第2章 数据分析和预处理第14-24页
    2.1 实验数据第14页
    2.2 心电信号产生原理及其特征第14-16页
        2.2.1 心电信号产生原理第14-15页
        2.2.2 心电信号波形及基本特点第15-16页
    2.3 心电信号预处理第16-23页
        2.3.1 心电信号的干扰及噪声第16-17页
        2.3.2 心电信号的处理方法选择标准第17-18页
        2.3.3 基于双树复小波变换的心电信号消噪算法第18-23页
    2.4 本章小结第23-24页
第3章 心脏骤停预测特征参数提取第24-37页
    3.1 QT时间间期第25页
    3.2 心率变异性第25-29页
        3.2.1 基于时域的HRV分析第25-28页
        3.2.2 基于频域的HRV分析第28页
        3.2.3 心脏骤停预测HRV参数的选取第28-29页
    3.3 T波电交替第29-30页
    3.4 基于双树复小波变换的心电信号特征点识别第30-34页
        3.4.1 QRS波形检测第31-33页
        3.4.2 P、T波形检测第33-34页
    3.5 正常窦性心律心电数据和心脏骤停心电数据特征参数比较第34-36页
    3.6 本章小结第36-37页
第4章 Adaboost算法在心脏骤停预测中的应用及优化第37-53页
    4.1 神经网络第37-40页
        4.1.1 神经网络原理第37-38页
        4.1.2 神经网络学习规则第38-40页
    4.2 支持向量机第40-43页
        4.2.1 线性可分支持向量机第40-41页
        4.2.2 线性不可分支持向量机第41-43页
    4.3 Adaboost算法第43-52页
        4.3.1 基于Adaboost算法的心脏疾病的研究第44页
        4.3.2 Adaboost算法具体步骤第44-46页
        4.3.3 Adaboost算法优化第46-49页
        4.3.4 算法的性能分析第49-50页
        4.3.5 Adaboost算法基分类器的选择第50-51页
        4.3.6 参数化Adaboost算法训练时长比较和迭代次数选择第51-52页
    4.4 本章小结第52-53页
第5章 基于参数化Adaboost算法的心脏骤停预测模型的建立与验证第53-61页
    5.1 选择实验数据第54页
    5.2 模型性能评价指标第54页
    5.3 模型特征参数选择第54-57页
    5.4 各分类算法分类比较第57-59页
    5.5 不同预测期的预测结果比较第59-60页
    5.6 本章小结第60-61页
第6章 总结与展望第61-63页
    6.1 总结第61-62页
    6.2 展望第62-63页
参考文献第63-68页
作者简介及科研成果第68-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:政府网络舆情应对研究
下一篇:基于生态服务功能的村镇绿色基础设施规划方法及应用--以珠海斗门镇为例