基于深度学习网络的心音信号分类识别的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文的结构安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 心音信号分类识别的相关知识概述 | 第16-32页 |
| 2.1 心音的产生机理 | 第16-17页 |
| 2.2 心音的采集 | 第17-18页 |
| 2.3 心音的组成成分 | 第18-22页 |
| 2.3.1 第一心音(S1) | 第19页 |
| 2.3.2 第二心音(S2) | 第19-20页 |
| 2.3.3 第三心音(S3) | 第20-21页 |
| 2.3.4 第四心音(S4) | 第21页 |
| 2.3.5 额外心音 | 第21-22页 |
| 2.3.6 心脏杂音 | 第22页 |
| 2.4 小波分解与重构的原理与实现 | 第22-25页 |
| 2.5 正交小波基的构造方法 | 第25-30页 |
| 2.5.1 尺度函数的选取 | 第26-27页 |
| 2.5.2 尺度函数的构造 | 第27-28页 |
| 2.5.3 紧支集正交小波基的构造 | 第28-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于心音小波的去噪算法研究 | 第32-47页 |
| 3.1 概述 | 第32页 |
| 3.2 心音小波构造 | 第32-40页 |
| 3.2.1 小波基的数学特性 | 第32-34页 |
| 3.2.2 双正交小波基及其构造 | 第34-38页 |
| 3.2.3 心音小波基的构造 | 第38-40页 |
| 3.3 基于心音小波的去噪算法 | 第40-41页 |
| 3.4 基于心音小波的去噪仿真对比实验 | 第41-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于CNN的心音信号分类识别算法研究 | 第47-59页 |
| 4.1 概述 | 第47-48页 |
| 4.2 基于心音小波的CNN构建 | 第48-51页 |
| 4.2.1 激活函数 | 第48-50页 |
| 4.2.2 基于心音小波的CNN的构造 | 第50-51页 |
| 4.3 基于心音小波的CNN分类仿真实验 | 第51-58页 |
| 4.3.1 实验数据及仿真平台 | 第51-53页 |
| 4.3.2 实验设计 | 第53-55页 |
| 4.3.3 实验结果与分析 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录1 | 第66-73页 |
| 硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附表 | 第75页 |
