基于深度学习的心律失常诊断算法的设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第11-18页 |
| 1.1 课题背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 心电信号预处理研究现状 | 第13页 |
| 1.2.2 心电波形检测和特征提取研究现状 | 第13-14页 |
| 1.2.3 心律失常诊断算法研究现状 | 第14-15页 |
| 1.3 课题研究内容及目标 | 第15-16页 |
| 1.4 本文章节安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 心电信号基本理论 | 第18-24页 |
| 2.1 心电信号产生机理 | 第18-19页 |
| 2.2 相关波形定义 | 第19-21页 |
| 2.3 心律失常 | 第21-22页 |
| 2.4 MIT-BIH心律失常数据库 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 心电信号预处理 | 第24-31页 |
| 3.1 心电干扰 | 第24-25页 |
| 3.2 小波变换 | 第25-28页 |
| 3.2.1 傅里叶变换 | 第25-26页 |
| 3.2.2 小波变换原理 | 第26-27页 |
| 3.2.3 小波基 | 第27-28页 |
| 3.2.4 小波变换特性 | 第28页 |
| 3.3 心电信号滤波 | 第28-30页 |
| 3.3.1 小波阈值去噪 | 第28-29页 |
| 3.3.2 结果分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 波形特征检测和编码 | 第31-38页 |
| 4.1 QRS波形检测 | 第31-32页 |
| 4.2 心拍划分 | 第32-33页 |
| 4.3 特征提取 | 第33-34页 |
| 4.4 波群编码 | 第34-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 心律失常诊断模型 | 第38-53页 |
| 5.1 深度学习 | 第38-39页 |
| 5.1.1 机器学习算法 | 第38页 |
| 5.1.2 深度学习算法 | 第38-39页 |
| 5.2 相关分类算法 | 第39-44页 |
| 5.2.1 SVM | 第39-41页 |
| 5.2.2 BP神经网络 | 第41-43页 |
| 5.2.3 CNN | 第43-44页 |
| 5.3 长短时记忆神经网络 | 第44-49页 |
| 5.3.1 RNN | 第44-45页 |
| 5.3.2 LSTM | 第45-47页 |
| 5.3.3 双向长短时记忆神经网络 | 第47-48页 |
| 5.3.4 深层长短时记忆神经网络 | 第48-49页 |
| 5.4 心律失常诊断模型 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 结果分析和总结 | 第53-63页 |
| 6.1 结果分析 | 第53-60页 |
| 6.1.1 模型评估标准 | 第53-54页 |
| 6.1.2 结果分析 | 第54-60页 |
| 6.2 总结和展望 | 第60-63页 |
| 6.2.1 总结 | 第60-61页 |
| 6.2.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第69页 |
