基于神经网络的心电数据分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 传统心电自动分析的方法 | 第12-14页 |
| 1.2.2 神经网络自动提取特征的方法 | 第14-15页 |
| 1.3 心电自动分析难点 | 第15-16页 |
| 1.4 本文的主要内容和创新性 | 第16页 |
| 1.5 本论文的章节安排 | 第16-18页 |
| 2 心电的基本知识及相关工作 | 第18-27页 |
| 2.1 心电的基本知识 | 第18-19页 |
| 2.2 心电数据库介绍 | 第19-21页 |
| 2.2.1 MIT-BIH数据库 | 第20-21页 |
| 2.2.2 CCDD数据库 | 第21页 |
| 2.3 神经网络算法 | 第21-26页 |
| 2.3.1 卷积神经网络算法 | 第22-24页 |
| 2.3.2 GoogLeNet算法 | 第24-25页 |
| 2.3.3 SqueezeNet算法 | 第25页 |
| 2.3.4 MobileNet算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于LiteNet的心电数据分类算法 | 第27-43页 |
| 3.1 LiteNet算法的实现 | 第28-32页 |
| 3.2 LiteNet算法的优化 | 第32-33页 |
| 3.3 数据预处理 | 第33-35页 |
| 3.3.1 MIT-BIH数据预处理 | 第33-34页 |
| 3.3.2 CCDD数据预处理 | 第34-35页 |
| 3.4 MIT-BIH实验结果 | 第35-41页 |
| 3.4.1 实验平台 | 第35页 |
| 3.4.2 评价指标 | 第35-37页 |
| 3.4.3 MIT-BIH数据实验结果 | 第37-41页 |
| 3.5 CCDD实验结果 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 心电存储及标注平台的设计与实现 | 第43-57页 |
| 4.1 平台总体方案 | 第43-44页 |
| 4.2 用户功能介绍 | 第44-48页 |
| 4.3 平台存储功能实现过程 | 第48-54页 |
| 4.3.1 数据存储格式的设计 | 第48-49页 |
| 4.3.2 数据库存储结构的设计 | 第49-54页 |
| 4.4 标注功能的实现实现过程 | 第54-56页 |
| 4.4.1 手动标注的实现 | 第54-55页 |
| 4.4.2 自动标注的实现 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 研究展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第63-64页 |
| 致谢 | 第64页 |
