面向可穿戴式智能服装的海量心电数据分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 主要解决的关键性问题 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 穿戴式智能服装发展 | 第10-11页 |
| 1.3.2 运动后恢复心跳评估方法 | 第11页 |
| 1.3.3 海量数据处理计算平台构建 | 第11-13页 |
| 1.4 研究目标 | 第13页 |
| 1.5 论文的研究内容及结构安排 | 第13-15页 |
| 2 背景与相关工作 | 第15-21页 |
| 2.1 心电数据处理与分析 | 第15-16页 |
| 2.2 HRV心率变异性分析 | 第16-18页 |
| 2.3 海量健康数据并行化计算方法 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 基于穿戴式智能服装的心电检测系统 | 第21-32页 |
| 3.1 穿戴式智能服装设计 | 第21-22页 |
| 3.2 信号采集模块设计 | 第22-23页 |
| 3.3 多模式心电信号分析流程 | 第23-24页 |
| 3.4 多模式心电疾病匹配方法 | 第24-26页 |
| 3.5 实时R波侦测学习优化算法 | 第26-27页 |
| 3.6 QRS波形形态学判别方法 | 第27-28页 |
| 3.7 动态心电图HRV分析 | 第28-29页 |
| 3.8 “懒惰传输”通讯协议 | 第29-31页 |
| 3.9 本章小结 | 第31-32页 |
| 4 云平台CUDA并行化ECG分析系统 | 第32-38页 |
| 4.1 云平台数据库构建 | 第32-33页 |
| 4.2 平台数据处理流程 | 第33页 |
| 4.3 云平台ECG侦测算法并行化 | 第33-35页 |
| 4.4 云平台时域计算并行化 | 第35-37页 |
| 4.5 本章小结 | 第37-38页 |
| 5 系统平台整合与验证分析 | 第38-53页 |
| 5.1 穿戴式智能服装照护系统框架 | 第38-39页 |
| 5.2 云平台CUDA并行化ECG分析框架 | 第39-40页 |
| 5.3 智能服装品质验证 | 第40-48页 |
| 5.3.1 心电信号采集品质验证 | 第40-42页 |
| 5.3.2 灵敏度与特异度标准分析 | 第42页 |
| 5.3.3 心电分析算法精确度检测 | 第42-45页 |
| 5.3.4 懒惰传输效率评估结果 | 第45页 |
| 5.3.5 智能服装与软硬件整合性能评估 | 第45-48页 |
| 5.4 云平台效能验证 | 第48-52页 |
| 5.4.1 服务器硬件配置 | 第48-49页 |
| 5.4.2 云平台评测数据库选择 | 第49-50页 |
| 5.4.3 云平台侦测算法并行化结果 | 第50-51页 |
| 5.4.4 云平台Web分析统计系统 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
