| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第18-40页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 心电信号形态特点和处理技术研究现状 | 第19-27页 |
| 1.2.1 心电信号预处理 | 第21-23页 |
| 1.2.2 心电信号分段 | 第23页 |
| 1.2.3 心电信号特征提取 | 第23-25页 |
| 1.2.4 心电信号分类 | 第25页 |
| 1.2.5 心电信号数据库 | 第25-27页 |
| 1.3 卷积神经网络脉冲化及映射方法研究现状 | 第27-32页 |
| 1.3.1 卷积神经网络基本概述 | 第27-29页 |
| 1.3.2 卷积神经网络脉冲化方法 | 第29-31页 |
| 1.3.3 脉冲神经网络映射方法 | 第31-32页 |
| 1.4 卷积神经网络在心电信号检测和分类上的研究现状 | 第32-36页 |
| 1.5 论文的技术路线 | 第36-37页 |
| 1.6 论文的研究内容与组织架构 | 第37-40页 |
| 2 跨层级的脉冲卷积神经网络映射方法研究 | 第40-62页 |
| 2.1 引言 | 第40-41页 |
| 2.1.1 脉冲神经网络映射方法研究现状 | 第40-41页 |
| 2.1.2 本章研究贡献 | 第41页 |
| 2.2 基于片上网络的脉冲神经网络系统建模 | 第41-45页 |
| 2.2.1 卷积神经网络脉冲化 | 第41-42页 |
| 2.2.2 脉冲神经元模型 | 第42页 |
| 2.2.3 脉冲神经网络模型 | 第42-43页 |
| 2.2.4 片上网络模型 | 第43-44页 |
| 2.2.5 功耗模型 | 第44-45页 |
| 2.3 基于片上网络的跨层脉冲神经网络映射方法 | 第45-46页 |
| 2.4 神经元集群机制 | 第46-48页 |
| 2.5 神经元动态重映射 | 第48-50页 |
| 2.6 实现细节与实验结果 | 第50-60页 |
| 2.6.1 实验平台 | 第50-52页 |
| 2.6.2 每节点不同神经元数目情况下的性能差异 | 第52-54页 |
| 2.6.3 集群机制中群大小对映射后系统性能影响 | 第54-55页 |
| 2.6.4 动态重映射方法性能评估和分析 | 第55-57页 |
| 2.6.5 路由方式对包传输延时和传输功耗的影响 | 第57页 |
| 2.6.6 脉冲化前后卷积神经网络性能对比 | 第57-60页 |
| 2.7 本章小结 | 第60-62页 |
| 3 基于卷积神经网络的心电信号QRS波群检测研究 | 第62-84页 |
| 3.1 引言 | 第62-64页 |
| 3.1.1 QRS波群检测方法研究现状 | 第62-63页 |
| 3.1.2 本章研究贡献 | 第63-64页 |
| 3.2 心电信号样本和检测方法概述 | 第64-65页 |
| 3.2.1 心电信号样本 | 第64页 |
| 3.2.2 基于两级一维卷积神经网络的QRS波群检测方法概述 | 第64-65页 |
| 3.3 基于两级一维卷积神经网络的QRS波群检测方法 | 第65-73页 |
| 3.3.1 心电信号预处理 | 第65-67页 |
| 3.3.2 心电信号分段 | 第67页 |
| 3.3.3 两级特征提取和QRS波群检测 | 第67页 |
| 3.3.4 两级卷积神经网络架构 | 第67-72页 |
| 3.3.5 卷积神经网络训练 | 第72-73页 |
| 3.4 实现细节与实验结果 | 第73-83页 |
| 3.4.1 实验平台 | 第73-75页 |
| 3.4.2 针对MIT-BIH心律失常数据库的检测结果 | 第75-78页 |
| 3.4.3 针对INCART心电数据库的检测结果 | 第78页 |
| 3.4.4 与其他检测方法的整体检测效果对比 | 第78页 |
| 3.4.5 不同强度的噪声对检测效果影响 | 第78-83页 |
| 3.4.6 与其他检测方法的时间开销对比 | 第83页 |
| 3.5 本章小结 | 第83-84页 |
| 4 用于心律失常检测的基于注意机制的心跳分类研究 | 第84-110页 |
| 4.1 引言 | 第84-86页 |
| 4.1.1 心律失常检测方法研究现状 | 第84-85页 |
| 4.1.2 注意机制 | 第85-86页 |
| 4.1.3 本章研究贡献 | 第86页 |
| 4.2 心电信号样本和检测方法概述 | 第86-88页 |
| 4.2.1 心电信号样本 | 第86页 |
| 4.2.2 基于注意机制的心跳分类方法概述 | 第86-88页 |
| 4.3 基于注意机制的心跳分类方法 | 第88-95页 |
| 4.3.1 归一化心电信号 | 第88-90页 |
| 4.3.2 差分RR间期 | 第90-91页 |
| 4.3.3 基于注意机制的两级特征提取和心跳分类 | 第91-92页 |
| 4.3.4 基于注意机制的两级卷积神经网络架构 | 第92-94页 |
| 4.3.5 卷积神经网络训练 | 第94-95页 |
| 4.4 实现细节与实验结果 | 第95-108页 |
| 4.4.1 实验平台 | 第95-97页 |
| 4.4.2 针对MIT-BIH心律失常数据库的VEB和SVEB识别效果评估 | 第97-103页 |
| 4.4.3 针对MIT-BIH心律失常数据库的不同信号分辨率对识别效果影响 | 第103-105页 |
| 4.4.4 针对MIT-BIH心律失常数据库的不同强度噪声对识别效果影响 | 第105-106页 |
| 4.4.5 针对MIT-BIH心律失常数据库的不同数目采样点对识别效果影响 | 第106-107页 |
| 4.4.6 针对INCART心电数据库的识别效果评估 | 第107-108页 |
| 4.5 本章小结 | 第108-110页 |
| 5 总结与展望 | 第110-114页 |
| 5.1 论文研究工作总结 | 第110-111页 |
| 5.2 今后工作展望 | 第111-114页 |
| 参考文献 | 第114-124页 |
| 攻读学位期间发表的学术论文 | 第124页 |
