基于心电信号对睡眠呼吸暂停综合征判别算法的研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 睡眠呼吸暂停综合征与多导睡眠监测仪 | 第10-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 论文的主要内容及结构 | 第14-17页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 论文结构 | 第15-17页 |
| 第2章 ECG和SAS分析的基本知识 | 第17-35页 |
| 2.1 SAS与心电信号的关系 | 第17-18页 |
| 2.2 心电信号分析 | 第18-20页 |
| 2.3 主成分分析(PCA)概述 | 第20-23页 |
| 2.4 独立成分分析(ICA)概述 | 第23-29页 |
| 2.5 支持向量机理论 | 第29-33页 |
| 2.5.1 线性可分和线性不可分支持向量机 | 第29-31页 |
| 2.5.2 非线性可分支持向量机与核函数 | 第31-33页 |
| 2.6 Apnea数据库简介 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 心电信号的预处理及呼吸特征提取 | 第35-52页 |
| 3.1 数据准备 | 第35页 |
| 3.2 心电信号预处理及R波检测 | 第35-43页 |
| 3.2.1 心电信号预处理 | 第36-39页 |
| 3.2.2 R波检测 | 第39-43页 |
| 3.3 基于心电信号获取呼吸特征 | 第43-51页 |
| 3.3.1 PCA预处理和提取主成分 | 第44-49页 |
| 3.3.2 ICA算法提取呼吸特征 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 睡眠呼吸暂停综合征的判别 | 第52-66页 |
| 4.1 特征提取 | 第52-60页 |
| 4.1.1 心率变异性(HRV)分析方法 | 第52-57页 |
| 4.1.2 呼吸信号特征 | 第57-58页 |
| 4.1.3 SAS特征选取 | 第58-60页 |
| 4.2 支持向量机分类算法设计与实现 | 第60-65页 |
| 4.2.1 分类算法的搭建 | 第60-62页 |
| 4.2.2 实验结果分析 | 第62-65页 |
| 4.3 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 作者简介及科研成果 | 第73-74页 |
| 致谢 | 第74页 |
