基于UMPCA的12导ECG特征提取和分类研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 图录 | 第8-10页 |
| 表录 | 第10-11页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11页 |
| 1.2 ECG 简介 | 第11-14页 |
| 1.2.1 ECG 产生原理 | 第12页 |
| 1.2.2 12 导联 ECG 介绍 | 第12-14页 |
| 1.3 ECG 数据库 | 第14-16页 |
| 1.3.1 2 导联和 3 导联 ECG 数据库 | 第14-15页 |
| 1.3.2 12 导联 ECG 数据库 | 第15-16页 |
| 1.4 ECG 研究方法综述 | 第16-18页 |
| 1.4.1 ECG 表征和预处理综述 | 第16-17页 |
| 1.4.2 ECG 特征抽取和分类综述 | 第17-18页 |
| 1.4.3 ECG 相关应用综述 | 第18页 |
| 1.5 研究内容与章节安排 | 第18-20页 |
| 第二章 张量代数基本理论 | 第20-28页 |
| 2.1 张量基础 | 第20-24页 |
| 2.1.1 张量表示 | 第20-21页 |
| 2.1.2 张量运算 | 第21-22页 |
| 2.1.3 秩-1 张量 | 第22页 |
| 2.1.4 张量矩阵展开 | 第22-23页 |
| 2.1.5 直接向量化 | 第23-24页 |
| 2.2 张量投影 | 第24-27页 |
| 2.2.1 VVP 投影 | 第24页 |
| 2.2.2 TTP 投影 | 第24-25页 |
| 2.2.3 TVP 投影 | 第25-27页 |
| 2.3 张量与向量 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 ECG 数据预处理 | 第28-36页 |
| 3.1 基于小波分析的 ECG 去噪 | 第29-33页 |
| 3.1.1 小波分析理论 | 第29-30页 |
| 3.1.2 小波去噪 | 第30-33页 |
| 3.2 基于中值滤波的基线去漂移 | 第33-34页 |
| 3.3 基于统计的心跳划分 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 ECG 特征抽取 | 第36-54页 |
| 4.1 经典方法介绍 | 第36-39页 |
| 4.1.1 主成分分析 | 第36-37页 |
| 4.1.2 独立成分分析 | 第37-39页 |
| 4.2 时频域分析 | 第39-42页 |
| 4.2.1 傅里叶变换 | 第39-40页 |
| 4.2.2 短时傅里叶变换 | 第40-41页 |
| 4.2.3 Gabor 变换 | 第41-42页 |
| 4.2.4 Wigner-Ville 分布 | 第42页 |
| 4.3 不相关多线性主成分分析 | 第42-53页 |
| 4.3.1 UMPCA 问题描述 | 第43-44页 |
| 4.3.2 UMPCA 启发式算法求解 | 第44-48页 |
| 4.3.3 UMPCA 用于 ECG 特征抽取 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 ECG 分类实验 | 第54-64页 |
| 5.1 支持向量机 | 第54-56页 |
| 5.1.1 SVM 原理 | 第54-56页 |
| 5.1.2 多类分类策略 | 第56页 |
| 5.2 ECG 分类实验 | 第56-62页 |
| 5.2.1 数据预处理和时频域变换 | 第57-59页 |
| 5.2.2 特征抽取和分类 | 第59-61页 |
| 5.2.3 不同方法比较 | 第61-62页 |
| 5.3 本章小结 | 第62-64页 |
| 第六章 ECG 辅助决策及数据挖掘应用 | 第64-73页 |
| 6.1 智能远程心电诊断系统 | 第64-69页 |
| 6.1.1 系统框架介绍 | 第64-68页 |
| 6.1.2 ECG 自动分析实践 | 第68-69页 |
| 6.2 离线 ECG 数据挖掘 | 第69-72页 |
| 6.2.1 离线的误诊统计方案 | 第70-71页 |
| 6.2.2 大数据场景解决方案 | 第71-72页 |
| 6.3 本章小结 | 第72-73页 |
| 第七章 结论与展望 | 第73-76页 |
| 7.1 工作总结 | 第73-74页 |
| 7.2 后期展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-83页 |
| 攻读学位期间发表的学术论文目录 | 第83-85页 |
