| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究的背景及意义 | 第10-11页 |
| ·心电波形及信号特征 | 第11-14页 |
| ·心肌细胞电生理 | 第11页 |
| ·心电图波形及分析过程 | 第11-13页 |
| ·心电信号特征 | 第13-14页 |
| ·国内外研究现状综述 | 第14-15页 |
| ·论文内容及组织结构 | 第15-18页 |
| 第2章 QRS波群检测方法研究 | 第18-32页 |
| ·心电波形检测技术 | 第18-21页 |
| ·传统的QRS波群检测算法 | 第18-19页 |
| ·新兴的QRS波群检测算法 | 第19-21页 |
| ·基于动态阈值与面积法的R波检测方法 | 第21-25页 |
| ·QRS波群宽度检测方法 | 第25-28页 |
| ·仿真实验及结果分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 心电信号特征提取方法研究 | 第32-42页 |
| ·基于波群形态特征的特征提取方法 | 第32-34页 |
| ·Zernike矩与图像差异度 | 第32-33页 |
| ·心搏特征提取 | 第33-34页 |
| ·小波变换基本理论 | 第34-36页 |
| ·连续小波变换 | 第34-35页 |
| ·离散小波变换 | 第35-36页 |
| ·Mallat算法 | 第36页 |
| ·基于离散小波变换的特征提取方法 | 第36-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 心律失常分类方法研究 | 第42-60页 |
| ·心律失常概述 | 第42-45页 |
| ·心律失常分类方法概述 | 第42-43页 |
| ·典型心律失常的疾病分类 | 第43-45页 |
| ·支持向量机算法 | 第45-49页 |
| ·统计学习理论 | 第45-46页 |
| ·支持向量机原理 | 第46-47页 |
| ·支持向量机模型 | 第47-49页 |
| ·基于主从支持向量机的心电分类方法 | 第49-54页 |
| ·支持向量机的设计及参数确定 | 第49-53页 |
| ·应用主从支持向量机对AECG分类过程 | 第53-54页 |
| ·仿真实验与结果分析 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 单导联心电监护仪的软硬件实现 | 第60-70页 |
| ·心律失常智能诊断系统的设计方案 | 第60-62页 |
| ·单导联心电监护仪硬件的设计与实现 | 第62-66页 |
| ·单导联心电监护仪软件的设计与实现 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 心律失常智能诊断软件的设计与实现 | 第70-78页 |
| ·心律失常智能诊断软件概述 | 第70-71页 |
| ·心律失常智能诊断软件各模块功能的设计与实现 | 第71-75页 |
| ·心律失常智能诊断系统门户网站的设计与实现 | 第75-76页 |
| ·心律失常智能诊断软件临床测试报告及结论 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第7章 总结与展望 | 第78-80页 |
| ·本文工作总结 | 第78-79页 |
| ·未来工作展望 | 第79-80页 |
| 参考文献 | 第80-88页 |
| 致谢 | 第88-90页 |
| 作者攻读硕士学位期间发表的论文、专利及参与项目情况 | 第90-91页 |
| 附录A | 第91页 |