基于学习的心脏病理识别技术研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题背景 | 第11-13页 |
| ·研究目标 | 第13页 |
| ·本文创新点 | 第13页 |
| ·通过心电来诊断心脏疾病的背景 | 第13-15页 |
| ·什么是心电图 | 第13-14页 |
| ·心电图测量 | 第14页 |
| ·可以从心电图上诊断的疾病 | 第14-15页 |
| ·模式识别相关背景 | 第15-16页 |
| ·人工智能辅助诊断 | 第15页 |
| ·语音识别 | 第15-16页 |
| ·MGH/MF数据库 | 第16页 |
| ·Fantasia数据库 | 第16页 |
| ·论文主要工作和章节安排 | 第16-18页 |
| 第2章 心电传感器及心电图处理 | 第18-27页 |
| ·标准12导联心电传感器 | 第18-19页 |
| ·心电图仪器 | 第18页 |
| ·标准12导联电位 | 第18-19页 |
| ·心电图临床诊断 | 第19页 |
| ·便携式心电传感器 | 第19-24页 |
| ·电极与人体之间接口建模 | 第20-22页 |
| ·移动摩擦噪声 | 第22-24页 |
| ·环境噪声 | 第24页 |
| ·心电图像处理及心电特征提取 | 第24-27页 |
| 第3章 基于C++程序的心电特征向量提取 | 第27-33页 |
| ·原始心电数据 | 第27-29页 |
| ·心电数据处理的环境搭建 | 第29-30页 |
| ·心电信号数据采样与压缩 | 第30-33页 |
| ·调整电压偏移 | 第30-31页 |
| ·提取一次心跳的采样点 | 第31页 |
| ·形成特征向量 | 第31-33页 |
| 第4章 基于ANN和基于SVM的心房肥大分类 | 第33-45页 |
| ·逻辑分枝判断 | 第33页 |
| ·模糊推理算法 | 第33-34页 |
| ·神经网络算法 | 第34-43页 |
| ·神经网络理论 | 第34-36页 |
| ·神经网络识别过程 | 第36-43页 |
| ·支持向量机算法 | 第43-44页 |
| ·支持向量机的思想 | 第43-44页 |
| ·核函数的选择 | 第44页 |
| ·支持向量机和神经网络比较 | 第44-45页 |
| 第5章 支持向量机优化 | 第45-48页 |
| ·对称拒绝域 | 第45-46页 |
| ·非对称拒绝域 | 第46页 |
| ·对称与非对称拒绝域比较 | 第46-47页 |
| ·对SVM-R分类器的分析结论 | 第47-48页 |
| 第6章 总结和展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53-54页 |
| 作者在浙江大学攻读硕士研究生学位时发表的论文 | 第54页 |
