基于神经网络的心音信号识别算法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪 论 | 第9-17页 |
| ·引言 | 第9页 |
| ·心音研究的意义及发展方向 | 第9-12页 |
| ·心音在人工心脏瓣膜无创伤检测中的应用 | 第9页 |
| ·心音在心肌收缩能力评价中的应用 | 第9-10页 |
| ·心音在心血管疾病诊断中的应用 | 第10-11页 |
| ·心音研究中存在的问题及心音应用前景 | 第11-12页 |
| ·心音识别技术简介 | 第12-14页 |
| ·经典心音识别技术 | 第12页 |
| ·独立心音识别技术 | 第12-14页 |
| ·神经网络在医学信号处理中的应用 | 第14-15页 |
| ·课题背景及简介 | 第15-17页 |
| 2 心音信号及心音信号模式识别 | 第17-27页 |
| ·心音信号 | 第17-21页 |
| ·心音信号的产生机理 | 第17-18页 |
| ·心音信号的采集及基于蓝牙技术的无线传输 | 第18-19页 |
| ·心音主成分分析 | 第19-20页 |
| ·心音的时域特性 | 第20-21页 |
| ·心音信号的频率特性 | 第21页 |
| ·模式识别方法 | 第21-25页 |
| ·模式识别原理 | 第21-22页 |
| ·模式空间、特征空间和类型空间 | 第22页 |
| ·特征选择 | 第22-23页 |
| ·统计模式识别系统 | 第23页 |
| ·模式识别方法介绍 | 第23-25页 |
| ·神经网络心音信号模式识别原理 | 第25-27页 |
| 3 心音信号预处理与波峰提取 | 第27-41页 |
| ·心音信号噪声分析 | 第27页 |
| ·小波变换基本原理 | 第27-30页 |
| ·连续小波变换 | 第27-28页 |
| ·二进小波变换 | 第28-29页 |
| ·小波变换的多分辨率分析特性 | 第29-30页 |
| ·小波分析在心音信号消噪中的应用 | 第30-33页 |
| ·小波变换消噪原理 | 第30-31页 |
| ·小波变换消噪阈值选择 | 第31-32页 |
| ·小波变换在心音信号消噪中的应用 | 第32-33页 |
| ·心音信号包络提取 | 第33-38页 |
| ·Hilbert变换提取信号包络 | 第33-34页 |
| ·规则平均Shannon能量提取信号包络 | 第34-36页 |
| ·数学形态学提取心音信号包络 | 第36-38页 |
| ·复解析小波提取信号包络 | 第38页 |
| ·心音信号波峰提取与伪波峰消除 | 第38-41页 |
| 4 概率神经网络 | 第41-53页 |
| ·神经网络概述 | 第41-47页 |
| ·神经网络发展概述 | 第41-42页 |
| ·生物神经元 | 第42-43页 |
| ·人工神经元 | 第43-45页 |
| ·神经网络分类及工作方式 | 第45-46页 |
| ·神经网络的学习方式 | 第46页 |
| ·神经网络学习算法 | 第46-47页 |
| ·学习与自适应 | 第47页 |
| ·贝叶斯决策理论 | 第47-49页 |
| ·基于最小错误率的贝叶斯决策 | 第48页 |
| ·基于最小风险的贝叶斯决策 | 第48-49页 |
| ·概率神经网络 | 第49-51页 |
| ·二类贝叶斯决策 | 第49-50页 |
| ·概率神经网络结构 | 第50-51页 |
| ·概率神经网络的特点及应用 | 第51页 |
| ·人工神经网络在医学信号分析中的应用 | 第51-53页 |
| 5 基于PNN的S1、S2识别算法分析 | 第53-62页 |
| ·基于 PNN的S1、S2识别 | 第53-61页 |
| ·小波分析心音预处理 | 第53页 |
| ·心音信号波峰提取 | 第53-54页 |
| ·心音信号特征矢量的定义 | 第54-56页 |
| ·基于PNN的S1、S2识别 | 第56-57页 |
| ·结果分析与讨论 | 第57-59页 |
| ·高心率S1、S2的识别 | 第59-60页 |
| ·心音起止点的确定 | 第60-61页 |
| ·心音信号特征参数的确定 | 第61-62页 |
| 6 总结与前瞻 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·前瞻 | 第63-64页 |
| 致 谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录A:作者在硕士研究生学习期间发表的论文 | 第69-70页 |
