基于多特征提取与卷积神经网络的房颤检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 房颤检测算法国内外研究现状及分析 | 第11-15页 |
| 1.2.1 基于RR间期特征的房颤检测研究现状 | 第11-12页 |
| 1.2.2 与RR间期特征无关的房颤检测研究现状 | 第12-14页 |
| 1.2.3 房颤检测算法存在的问题 | 第14-15页 |
| 1.3 本文的主要内容及各章节安排 | 第15-16页 |
| 第2章 心电信号及房颤的基本知识 | 第16-22页 |
| 2.1 心电信号的基本知识 | 第16-20页 |
| 2.1.1 心电信号的产生 | 第16-17页 |
| 2.1.2 正常心电信号的波形及意义 | 第17-18页 |
| 2.1.3 标准心电数据库 | 第18-20页 |
| 2.2 房颤的电生理机制及分类 | 第20-21页 |
| 2.2.1 房颤的产生机理 | 第20页 |
| 2.2.2 房颤的特征表现 | 第20-21页 |
| 2.2.3 房颤的分类 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于递归网络和卷积神经网络的房颤检测 | 第22-38页 |
| 3.1 本章算法研究框架 | 第22-23页 |
| 3.2 心房活动信号数据预处理 | 第23-24页 |
| 3.3 递归复杂网络提取心电信号底层特征 | 第24-28页 |
| 3.4 基于卷积神经网络的房颤检测 | 第28-36页 |
| 3.4.1 卷积神经网络 | 第28-29页 |
| 3.4.2 本章构建的卷积神经网络模型 | 第29-33页 |
| 3.4.3 卷积神经网络模型的优化 | 第33-35页 |
| 3.4.4 实验结果及分析 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于相干运算与卷积神经网络的房颤检测 | 第38-44页 |
| 4.1 本章算法研究框架 | 第38页 |
| 4.2 相干谱提取心电信号底层特征 | 第38-39页 |
| 4.3 基于相干谱特征与CNN的房颤检测 | 第39-42页 |
| 4.4 实验结果及分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于多特征提取的房颤检测 | 第44-48页 |
| 5.1 本文的融合算法 | 第44-45页 |
| 5.2 实验数据 | 第45页 |
| 5.3 实验相关知识说明 | 第45-46页 |
| 5.4 实验结果及有效性验证 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 工作总结 | 第48页 |
| 6.2 工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间取得的科研成果 | 第55页 |
