| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文研究内容及章节安排 | 第17-19页 |
| 第2章 心血管病识别相关生理信号的机理分析 | 第19-24页 |
| 2.1 引言 | 第19页 |
| 2.2 心电信号的生理基础和诊断意义 | 第19-21页 |
| 2.3 脉搏信号的生理基础和诊断意义 | 第21-22页 |
| 2.4 相应信号峰值间期变异性的生理基础和诊断意义 | 第22-23页 |
| 2.4.1 心率变异性 | 第22页 |
| 2.4.2 脉率变异性 | 第22页 |
| 2.4.3 脉搏波传导时间变异性 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 信号峰值间期提取算法研究 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 实验数据来源 | 第24-25页 |
| 3.3 心电信号R波峰值点检测算法 | 第25-27页 |
| 3.4 脉搏信号P波峰值点检测算法 | 第27-28页 |
| 3.5 信号峰值间期提取结果分析 | 第28-34页 |
| 3.5.1 心电信号R波峰值及其间期提取结果分析 | 第28-31页 |
| 3.5.2 脉搏信号P波峰值及其间期提取结果分析 | 第31-33页 |
| 3.5.3 脉搏波传导时间提取结果分析 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 信号峰值间期变异性分析算法研究 | 第35-43页 |
| 4.1 引言 | 第35页 |
| 4.2 时域分析法 | 第35-36页 |
| 4.3 庞加莱散点图分析法 | 第36-39页 |
| 4.4 信息熵分析法 | 第39-42页 |
| 4.4.1 基本尺度熵分析 | 第39-40页 |
| 4.4.2 符号序列熵分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于深度学习的心血管病识别 | 第43-54页 |
| 5.1 引言 | 第43页 |
| 5.2 实验数据整理及特征向量组成 | 第43-44页 |
| 5.3 深度学习相关理论 | 第44-48页 |
| 5.3.1 反向传播算法 | 第44-46页 |
| 5.3.2 受限玻尔兹曼机 | 第46-47页 |
| 5.3.3 深度置信网络 | 第47-48页 |
| 5.4 心血管病识别实验 | 第48-53页 |
| 5.4.1 深度置信网络模型构建 | 第48-51页 |
| 5.4.2 实验结果分析 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第62页 |