基于CAPSNET的可穿戴心电采集和心律失常检测系统研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 心电检测系统的研究背景及意义 | 第9-10页 |
| 1.2 心电检测系统及相关技术的研究现状 | 第10-14页 |
| 1.2.1 可穿戴心电检测系统的研究现状 | 第10-11页 |
| 1.2.2 心电信号处理技术的现状 | 第11-13页 |
| 1.2.3 心律失常自动检测技术的现状 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 2 深度学习与CAPSNET简介 | 第15-24页 |
| 2.1 深度学习简介 | 第15-16页 |
| 2.2 深度学习模型 | 第16-18页 |
| 2.2.1 自动编码器简介 | 第16页 |
| 2.2.2 卷积神经网络(CNN)简介 | 第16-18页 |
| 2.2.3 深度学习的特点 | 第18页 |
| 2.3 胶囊神经网络(CAPSNET)简介 | 第18-23页 |
| 2.3.1 胶囊网络发展过程 | 第18-20页 |
| 2.3.2 胶囊网络结构 | 第20-21页 |
| 2.3.3 胶囊网络训练过程 | 第21-23页 |
| 2.3.4 采用CAPSNET检测心律失常的优势 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 系统设计及心电信号预处理 | 第24-39页 |
| 3.1 心电信号产生机制与采集方法 | 第24-25页 |
| 3.1.1 心电信号产生机理 | 第24页 |
| 3.1.2 心电信号特点 | 第24-25页 |
| 3.1.3 心电信号采集方法 | 第25页 |
| 3.2 系统需求和设计思路 | 第25-27页 |
| 3.2.1 系统需求分析 | 第26页 |
| 3.2.2 系统整体框架设计 | 第26-27页 |
| 3.3 可穿戴心电采集装置硬件设计 | 第27-30页 |
| 3.3.1 信号采集电路单元 | 第28页 |
| 3.3.2 主控制电路单元 | 第28-29页 |
| 3.3.3 数据传输电路单元 | 第29-30页 |
| 3.3.4 电源单元 | 第30页 |
| 3.4 心电信号预处理 | 第30-34页 |
| 3.4.1 肌电干扰 | 第31页 |
| 3.4.2 基线漂移 | 第31-34页 |
| 3.5 可穿戴心电采集装置软件设计 | 第34-38页 |
| 3.5.1 控制软件总体设计 | 第35页 |
| 3.5.2 子程序初始化 | 第35-37页 |
| 3.5.2.1 ADC1配置 | 第36-37页 |
| 3.5.2.2 UART1配置 | 第37页 |
| 3.5.3 心电信号采集程序 | 第37页 |
| 3.5.4 心电信号滤波程序 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 用CAPSNET检测心律失常 | 第39-50页 |
| 4.1 心律失常简介 | 第39-40页 |
| 4.2 心电信号特征值提取 | 第40页 |
| 4.3 心律失常分类器选取 | 第40-41页 |
| 4.4 构建心律失常检测的CAPSNET | 第41-48页 |
| 4.4.1 CAPSNET网络架构 | 第41-42页 |
| 4.4.2 卷积层 | 第42-44页 |
| 4.4.3 主胶囊层 | 第44-45页 |
| 4.4.4 数字胶囊层 | 第45-46页 |
| 4.4.5 心电图重建 | 第46-47页 |
| 4.4.6 模型训练 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 5 实验与系统测试 | 第50-57页 |
| 5.1 系统采集装置测试 | 第50-51页 |
| 5.2 心律失常检测模型测试 | 第51-56页 |
| 5.2.1 实验平台 | 第51-52页 |
| 5.2.2 测试指标 | 第52-53页 |
| 5.2.3 实验数据集 | 第53-54页 |
| 5.2.4 测试流程 | 第54-56页 |
| 5.2.5 识别结果分析 | 第56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 未来的工作 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-66页 |
| 附录Ⅰ 本人在攻读学位期间所发表的论文及获奖 | 第63-64页 |
| 附录Ⅱ 研究生期间参与的项目 | 第64-65页 |
| 附录Ⅲ AD8232电路图 | 第65-66页 |
| 致谢 | 第66页 |
