| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景及意义 | 第8-9页 |
| 1.3 国内外心电信号检测算法的研究现状 | 第9-10页 |
| 1.4 国内外ECG信号分类算法研究现状 | 第10页 |
| 1.5 论文的主要工作和安排 | 第10-12页 |
| 第2章 BP神经网络及其在心电信号分类中的应用 | 第12-20页 |
| 2.1 神经网络简介 | 第12-15页 |
| 2.1.1 神经网络的发展 | 第12-13页 |
| 2.1.2 神经网络基本原理 | 第13-15页 |
| 2.2 BP神经网络在心电信号识别和分类的应用 | 第15-18页 |
| 2.2.1 BP神经网络简介 | 第15-18页 |
| 2.2.2 神经网络在心电信号识别与分类中的应用 | 第18页 |
| 2.3 本章小结 | 第18-20页 |
| 第3章 基于BP神经网络的ECG信号分类算法 | 第20-40页 |
| 3.1 心电信号简介 | 第20-23页 |
| 3.1.1 心电信号产生机理 | 第20页 |
| 3.1.2 心电图和心电信号的特征分析 | 第20-22页 |
| 3.1.3 噪声干扰来源 | 第22-23页 |
| 3.2 Pan&Tompkins算法检测心电信号 | 第23-28页 |
| 3.2.1 Pan&Tompkins算法 | 第23-26页 |
| 3.2.2 特征提取 | 第26-28页 |
| 3.3 基于BP神经网络的ECG信号分类算法 | 第28-34页 |
| 3.3.1 神经网络的设计 | 第28-30页 |
| 3.3.2 神经网络的工作过程 | 第30-32页 |
| 3.3.3 心律失常的类别 | 第32-33页 |
| 3.3.4 神经网络的分类策略 | 第33-34页 |
| 3.4 常用标准心电图数据库 | 第34-35页 |
| 3.5 实验结果分析得出结论 | 第35-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于BP网络的移动心电监护预警系统方案 | 第40-59页 |
| 4.1 前端硬件采集系统模块设计 | 第43-48页 |
| 4.1.1 心电信号采集模块设计 | 第43-45页 |
| 4.1.2 基于BP网络的心电分类预警功能模块设计 | 第45-46页 |
| 4.1.3 心电信号存储和显示模块设计 | 第46-48页 |
| 4.2 网络通讯模块的设计与实现 | 第48-52页 |
| 4.3 移动客户端的设计 | 第52-57页 |
| 4.3.1 运行环境和开发工具 | 第53-54页 |
| 4.3.2 软件功能需求与流程设计 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录 攻读硕士学位期间获得的科研成果 | 第64页 |