| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 房颤检测技术国内外研究现状及存在问题 | 第11-13页 |
| 1.2.1 房颤检测技术国内外研究现状 | 第11-12页 |
| 1.2.2 当前房颤检测算法存在问题 | 第12-13页 |
| 1.3 GPU在通用计算领域中的应用 | 第13-14页 |
| 1.4 本文的主要内容及章节安排 | 第14-16页 |
| 第2章 心电信号的基本知识 | 第16-21页 |
| 2.1 心电信号的基本知识 | 第16-18页 |
| 2.1.1 正常心电图的特点及意义 | 第16-17页 |
| 2.1.2 常用标准心电数据库 | 第17-18页 |
| 2.2 房颤的产生机理及分类 | 第18-19页 |
| 2.2.1 房颤的产生机理 | 第18-19页 |
| 2.2.2 房颤的分类 | 第19页 |
| 2.3 房颤在心电图中的特征 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 一种多卷积核特征提取的房颤检测算法 | 第21-39页 |
| 3.1 多卷积核特征提取的房颤检测算法描述 | 第21-24页 |
| 3.2 心电信号数据预处理 | 第24-30页 |
| 3.2.1 心电信号去噪 | 第25-27页 |
| 3.2.2 QRS波消除 | 第27-29页 |
| 3.2.3 白化 | 第29-30页 |
| 3.3 卷积核提取信号特征及卷积核的初次选择 | 第30-32页 |
| 3.3.1 卷积运算 | 第30页 |
| 3.3.2 卷积核提取特征及卷积核的初次选择 | 第30-32页 |
| 3.4 基于Ada Boost算法卷积核选择的房颤检测 | 第32-36页 |
| 3.4.1 AdaBoost学习算法的基本思想 | 第32-33页 |
| 3.4.2 AdaBoost算法流程 | 第33-35页 |
| 3.4.3 AdaBoost算法分析 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-37页 |
| 3.5.1 实验数据说明 | 第36页 |
| 3.5.2 本文方法有效性的验证 | 第36页 |
| 3.5.3 本文方法与其他方法的比较 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 GPU加速在卷积运算中的应用 | 第39-48页 |
| 4.1 GPU加速原理 | 第39-40页 |
| 4.2 GPU加速matlab程序的方法 | 第40-41页 |
| 4.3 MATLAB并行计算工具箱 | 第41-42页 |
| 4.4 基于MATLAB并行计算工具箱的卷积运算的加速 | 第42-47页 |
| 4.4.1 GPU性能测试 | 第42-45页 |
| 4.4.2 GPU加速卷积运算 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 本文算法在健康平台上的应用 | 第48-53页 |
| 5.1 健康平台介绍 | 第48-49页 |
| 5.2 心电信号采集系统 | 第49-50页 |
| 5.3 本文算法在健康平台上的应用 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |