首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

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

论文共64页,点击 下载论文
上一篇:IPSC-MSCs-Exos修复骨质疏松骨缺损及其机制的研究
下一篇:中国成人2型糖尿病心血管代谢特征及影响因素研究