基于智能床垫的心冲击图信号处理及其在心血管健康评估中的应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 BCG信号心动周期计算 | 第12-13页 |
| 1.2.2 心律失常分类 | 第13页 |
| 1.2.3 睡姿检测 | 第13-14页 |
| 1.3 论文主要工作和创新点 | 第14-15页 |
| 1.4 论文章节安排 | 第15-18页 |
| 第二章 信号采集和预处理 | 第18-24页 |
| 2.1 采集设备 | 第18-20页 |
| 2.2 信号预处理 | 第20-23页 |
| 2.2.1 最佳BCG选路 | 第21-22页 |
| 2.2.2 BCG信号提取 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 心跳波形检测和心动周期计算 | 第24-35页 |
| 3.1 典型的BCG心跳模型 | 第24-25页 |
| 3.2 基于盲分割的峰值检测 | 第25页 |
| 3.3 基于多示例学习算法的心跳概念训练 | 第25-33页 |
| 3.3.1 多示例学习(MIL)算法 | 第26-29页 |
| 3.3.2 心跳概念学习 | 第29-32页 |
| 3.3.3 心跳位置检测 | 第32-33页 |
| 3.4 两种心跳检测算法的比较 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 BCG和ECG的心率变异性分析 | 第35-43页 |
| 4.1 心率变异性参数 | 第35-37页 |
| 4.2 BCG和ECG的HRV分析的比较 | 第37-41页 |
| 4.3 本章小结 | 第41-43页 |
| 第五章 基于BCG的心律失常检测 | 第43-57页 |
| 5.1 数据来源 | 第43-45页 |
| 5.2 研究目的 | 第45页 |
| 5.3 分类器设计 | 第45-52页 |
| 5.3.1 关键技术 | 第46-50页 |
| 5.3.2 评估方法 | 第50-51页 |
| 5.3.3 分类效果评估指标 | 第51-52页 |
| 5.4 实验结果 | 第52-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第六章 基于BCG的睡姿检测 | 第57-64页 |
| 6.1 引言 | 第57-58页 |
| 6.2 基于BCG信号的睡姿检测技术 | 第58-61页 |
| 6.2.1 系统设计 | 第58-59页 |
| 6.2.2 特征提取 | 第59-60页 |
| 6.2.3 分类器设计和决策原则 | 第60-61页 |
| 6.3 睡姿检测实验与结果 | 第61-62页 |
| 6.3.1 实验步骤 | 第61页 |
| 6.3.2 实验结果与结论 | 第61-62页 |
| 6.4 本章小结 | 第62-64页 |
| 第七章 总结与展望 | 第64-66页 |
| 7.1 工作总结 | 第64-65页 |
| 7.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间取得的研究成果 | 第70页 |
