融合领域知识的心电图分类方法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第1章 绪论 | 第14-32页 |
| ·研究背景与意义 | 第14-16页 |
| ·研究问题定义 | 第16-22页 |
| ·领域特点分析 | 第16-20页 |
| ·问题定义 | 第20-22页 |
| ·主要挑战与解决途径分析 | 第22-26页 |
| ·标准数据库的构建与标注瓶颈 | 第22-24页 |
| ·特征提取与表示问题 | 第24-25页 |
| ·面向实际ECG的分类器构建问题 | 第25-26页 |
| ·分类模型的对比困难 | 第26页 |
| ·研究内容与贡献点 | 第26-29页 |
| ·本文的组织结构 | 第29-32页 |
| 第2章 研究现状综述 | 第32-43页 |
| ·信号预处理 | 第32-33页 |
| ·特征表示方法 | 第33-35页 |
| ·知识推理方法 | 第35-36页 |
| ·研究进展 | 第35页 |
| ·存在的问题 | 第35-36页 |
| ·结构模式识别 | 第36-37页 |
| ·研究进展 | 第36-37页 |
| ·存在的问题 | 第37页 |
| ·统计模式识别 | 第37-39页 |
| ·研究进展 | 第37-39页 |
| ·存在的问题 | 第39页 |
| ·神经网络分类方法 | 第39-40页 |
| ·研究进展 | 第39-40页 |
| ·存在的问题 | 第40页 |
| ·研究现状分析 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第3章 领域知识获取与特征提取 | 第43-61页 |
| ·医学专家诊断思维过程 | 第43-45页 |
| ·ECG数据库 | 第45-48页 |
| ·ECG领域数据管理方法 | 第45-46页 |
| ·ECG标注数据管理方法 | 第46-48页 |
| ·研究平台与实验数据 | 第48-50页 |
| ·掘医生诊断过程中重视的特征 | 第50-55页 |
| ·ECG数值特征集定义与提取 | 第50-52页 |
| ·QRS形态特征 | 第52-54页 |
| ·P波与T波形态特征 | 第54-55页 |
| ·特征集的评估方法 | 第55-57页 |
| ·典型数值特征评估实验 | 第57-60页 |
| ·实验1：不同特征评估方式对比 | 第57-59页 |
| ·实验2：不同特征集的可分性 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第4章 无监督学习下的QRS波群相似性算法 | 第61-81页 |
| ·问题分析 | 第61-63页 |
| ·QRS波群相似性算法框架 | 第63-64页 |
| ·QRS波群信号预处理 | 第64-67页 |
| ·重采样与平滑处理 | 第64-65页 |
| ·符号化处理 | 第65-67页 |
| ·度量函数的定义 | 第67-69页 |
| ·字的度量函数 | 第67-68页 |
| ·符号序列的距离函数 | 第68-69页 |
| ·QRS波群相似度分析算法 | 第69-71页 |
| ·实验 | 第71-80页 |
| ·实验1：算法参数的取值分析 | 第73-75页 |
| ·实验2：符号化方法对比 | 第75-76页 |
| ·实验3：距离度量函数对比 | 第76-79页 |
| ·实验4：QRS_SDBS算法实验 | 第79-80页 |
| ·总结 | 第80-81页 |
| 第5章 典型特征的时间序列分析算法 | 第81-102页 |
| ·主波间期分析算法 | 第81-86页 |
| ·问题分析 | 第81-82页 |
| ·问题定义 | 第82-83页 |
| ·平稳分段分析 | 第83-84页 |
| ·主波间期分析 | 第84-86页 |
| ·P波与T波的形态描述 | 第86-89页 |
| ·动态基线算法 | 第86-87页 |
| ·形态参数提取 | 第87-89页 |
| ·多导联多参数决策模型 | 第89-92页 |
| ·典型特征判别 | 第92-96页 |
| ·P波形态分析 | 第92-93页 |
| ·T波形态分析 | 第93-94页 |
| ·QRS幅度分析 | 第94-95页 |
| ·PR间期分析 | 第95-96页 |
| ·实验 | 第96-101页 |
| ·实验设置 | 第96-97页 |
| ·结果分析 | 第97-101页 |
| ·小结 | 第101-102页 |
| 第6章 融合形态特征的分类算法 | 第102-126页 |
| ·问题分析 | 第102-103页 |
| ·形态特征的分析与表示 | 第103-106页 |
| ·结合形态特征分析的分类算法 | 第106-110页 |
| ·支持向量机与多核学习 | 第106-108页 |
| ·ECG特征融合算法 | 第108-110页 |
| ·对比方法：ECG不确定性推理 | 第110-116页 |
| ·不确定性推理规则 | 第111-112页 |
| ·推理规则的参数获取 | 第112-113页 |
| ·实验 | 第113-114页 |
| ·结果分析 | 第114-116页 |
| ·实验 | 第116-123页 |
| ·实验设置 | 第116-117页 |
| ·实验1：QRS形态特征评估 | 第117-118页 |
| ·实验2：MIT-BIH特征融合实验 | 第118-120页 |
| ·实验3：CCDD多导联分类实验 | 第120-123页 |
| ·ECG分类方法对比与分析 | 第123-125页 |
| ·小结 | 第125-126页 |
| 第7章 面向在线ECG的分类模型 | 第126-146页 |
| ·在线数据标注 | 第126-129页 |
| ·问题分析与定义 | 第126-127页 |
| ·ECG在线数据标注算法 | 第127-129页 |
| ·混合分类模型 | 第129-134页 |
| ·MTHC定义与分析 | 第129-132页 |
| ·ECG-MTHC训练和测试 | 第132-134页 |
| ·ECG-MTHC分类实验 | 第134-144页 |
| ·ECG领域数据的获取 | 第134-135页 |
| ·实验设置 | 第135-136页 |
| ·实验1：未标注数据筛选实验 | 第136-137页 |
| ·实验2：CCDD Set-Ⅱ测试 | 第137-141页 |
| ·实验3：在线ECG测试 | 第141-144页 |
| ·小结 | 第144-146页 |
| 第8章 总结与展望 | 第146-149页 |
| ·总结 | 第146-148页 |
| ·研究工作展望 | 第148-149页 |
| 参考文献 | 第149-160页 |
| 附录 | 第160-168页 |
| 附录A ECG诊断过程的分析 | 第160-162页 |
| 附录B CCDD常用疾病字典定义 | 第162-163页 |
| 附录C CCDD标注软件及标注方法 | 第163-165页 |
| 附录D MIT-BIH实验数据组成说明 | 第165-166页 |
| 附录E ECG-MTHC分类模型的参数设置和构建 | 第166-168页 |
| 致谢 | 第168-169页 |
| 攻读博士学位期间主要科研成果 | 第169-170页 |
