交叉对比神经网络在心音分类预判中的研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 心音信号分类的相关背景及研究意义 | 第9-11页 |
| 1.2 国内外该课题的研究现状 | 第11-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第二章 心音信号的相关理论的介绍 | 第19-27页 |
| 2.1 心音的产生原理 | 第19-20页 |
| 2.2 心音的采集机制 | 第20-21页 |
| 2.3 心音的组成部分 | 第21-23页 |
| 2.4 心音正常与否的判别标准 | 第23-27页 |
| 第三章 CCNN系统原理介绍 | 第27-45页 |
| 3.1 深度学习 | 第27-29页 |
| 3.2 卷积神经网络 | 第29-34页 |
| 3.3 迁移学习 | 第34-35页 |
| 3.4 IBS理论 | 第35-39页 |
| 3.5 CCNN网络 | 第39-45页 |
| 第四章 数据分析方案设计及结果分析 | 第45-73页 |
| 4.1 数据集介绍 | 第45-47页 |
| 4.2 评价准则介绍 | 第47-49页 |
| 4.3 传统基于分割方法的心音分类 | 第49-55页 |
| 4.3.1 预处理 | 第49-50页 |
| 4.3.2 特征构建 | 第50-53页 |
| 4.3.3 结果分析 | 第53-55页 |
| 4.4 基于机器学习方法的心音分类 | 第55-58页 |
| 4.4.1 预处理 | 第55-56页 |
| 4.4.2 特征构建 | 第56-57页 |
| 4.4.3 结果分析 | 第57-58页 |
| 4.5 基于CCNN的实验设计 | 第58-73页 |
| 4.5.1 预处理 | 第61-65页 |
| 4.5.2 模型训练 | 第65-67页 |
| 4.5.3 模型测试 | 第67-69页 |
| 4.5.4 结果分析 | 第69-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 全文总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 硕士研究生期间主要工作及相关成果 | 第80-81页 |
