| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 背景及意义 | 第8-9页 |
| 1.2 课题的研究现状 | 第9-13页 |
| 1.2.1 心电图去噪的研究现状 | 第10-11页 |
| 1.2.2 心电图特征取及分类现状 | 第11-13页 |
| 1.3 以上研究存在的问题 | 第13页 |
| 1.4 本文的创新 | 第13-14页 |
| 1.5 本文的组织结构 | 第14-15页 |
| 第2章 心电图和深度学习 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 心电图基本知识 | 第15-18页 |
| 2.2.1 心电图原理 | 第15-16页 |
| 2.2.2 心电图 | 第16-17页 |
| 2.2.3 心律失常 | 第17-18页 |
| 2.3 PysioNet网站和常用标准数据库介绍 | 第18-20页 |
| 2.3.1 MIT心律失常数据库和正常窦性心律数据库 | 第18-19页 |
| 2.3.2 CCDD数据库 | 第19页 |
| 2.3.3 其他数据库 | 第19-20页 |
| 2.3.4 数据库对比 | 第20页 |
| 2.4 深度学习 | 第20-22页 |
| 2.4.1 背景介绍 | 第20-21页 |
| 2.4.2 发展历程 | 第21-22页 |
| 2.5 常用模型介绍 | 第22-28页 |
| 2.5.1 多层感知器及反向传播算法 | 第22-24页 |
| 2.5.2 卷积神经网络 | 第24-26页 |
| 2.5.3 RNN和LSTM | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于D-LSTM的单导联心电图端到端分类 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 实验平台和评价指标 | 第29-30页 |
| 3.3 实验设置 | 第30-35页 |
| 3.3.1 数据处理 | 第30-32页 |
| 3.3.2 模型设置 | 第32-35页 |
| 3.4 实验结果分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 多导联联合心电图分类研究 | 第40-51页 |
| 4.1 引言 | 第40页 |
| 4.2 实验平台和评价指标 | 第40-41页 |
| 4.3 实验设置 | 第41-46页 |
| 4.3.1 数据处理 | 第41-42页 |
| 4.3.2 模型结构 | 第42-46页 |
| 4.4 实验结果分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |