| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号对照表 | 第11-13页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 引言 | 第13-14页 |
| 1.2 心电远程自动诊断的背景和意义 | 第14-19页 |
| 1.3 国内外研究进展综述 | 第19-23页 |
| 1.3.1 心电图噪声抑制 | 第19-20页 |
| 1.3.2 心电图特征检测 | 第20-23页 |
| 1.3.3 心电图自动分析 | 第23页 |
| 1.4 存在的问题和挑战 | 第23-24页 |
| 1.5 本文研究内容及组织结构 | 第24-29页 |
| 1.5.1 本文的研究目的 | 第24-25页 |
| 1.5.2 本文的研究内容 | 第25-26页 |
| 1.5.3 本文的组织结构 | 第26-29页 |
| 第二章 心电图心脏病诊断的生理学背景 | 第29-41页 |
| 2.1 心脏的结构 | 第29-30页 |
| 2.2 心电信号产生的原理 | 第30-31页 |
| 2.3 心电信号的检测方法 | 第31-32页 |
| 2.4 心电信号的分析 | 第32-35页 |
| 2.4.1 心电信号的分析特征 | 第32-33页 |
| 2.4.2 心电图各波段的正常值及意义 | 第33-35页 |
| 2.5 心电数据库 | 第35-41页 |
| 2.5.1 MIT-BIH数据库 | 第35-36页 |
| 2.5.2 德国联邦物理研究院诊断心电数据库 | 第36-37页 |
| 2.5.3 上海远程诊断中心多导联心电数据库 | 第37-41页 |
| 第三章 心电信号预处理 | 第41-57页 |
| 3.1 引言 | 第41-42页 |
| 3.2 去除基线漂移 | 第42页 |
| 3.3 切分对齐和插值 | 第42-43页 |
| 3.4 心电噪声的特点 | 第43-45页 |
| 3.4.1 与白噪声相似的心电噪声 | 第43-45页 |
| 3.4.2 心电的冗余结构 | 第45页 |
| 3.5 心电向量环重建 | 第45-48页 |
| 3.5.1 3维心电向量环重建 | 第45-46页 |
| 3.5.2 2维心电向量环重建 | 第46-47页 |
| 3.5.3 导联心电信号重建 | 第47-48页 |
| 3.6 基于先验知识的加权主成分分析 | 第48-50页 |
| 3.6.1 算法描述和推导 | 第48-50页 |
| 3.6.2 波形检测和权值计算 | 第50页 |
| 3.7 实验和分析 | 第50-56页 |
| 3.7.1 实验结果 | 第50-51页 |
| 3.7.2 心电向量和导联心电重建 | 第51-52页 |
| 3.7.3 基于先验知识的加权主成分分析性能比较 | 第52-53页 |
| 3.7.4 真实心电去噪 | 第53页 |
| 3.7.5 讨论 | 第53-56页 |
| 3.8 本章小结 | 第56-57页 |
| 第四章 向量空间心电特征抽取降维 | 第57-78页 |
| 4.1 引言 | 第57-58页 |
| 4.2 常见特征抽取方法 | 第58-63页 |
| 4.2.1 心脏病理学特征参数抽取 | 第58页 |
| 4.2.2 主成份分析和独立成分分析特征抽取 | 第58-60页 |
| 4.2.3 线性判别分析 | 第60-63页 |
| 4.3 现有方法的缺点 | 第63-67页 |
| 4.3.1 (m-1)低秩问题 | 第63-65页 |
| 4.3.2 小样本问题 | 第65页 |
| 4.3.3 LDA的其它问题 | 第65-67页 |
| 4.3.3.1 异构问题(Heteroscedastic Problem) | 第65-66页 |
| 4.3.3.2 类间分散矩阵设计不合理 | 第66页 |
| 4.3.3.3 重建性问题 | 第66-67页 |
| 4.4 线性判别分析方法改进 | 第67-72页 |
| 4.4.1 改进经典的LDA | 第67-72页 |
| 4.5 特征选择和特征组合 | 第72页 |
| 4.6 实验和分析 | 第72-76页 |
| 4.6.1 实验结果 | 第72-76页 |
| 4.6.2 讨论 | 第76页 |
| 4.7 本章小结 | 第76-78页 |
| 第五章 张量空间多导联心电特征抽取降维 | 第78-117页 |
| 5.1 引言 | 第78-79页 |
| 5.2 张量分析基础 | 第79-81页 |
| 5.2.1 张量符号与表示 | 第79页 |
| 5.2.2 张量运算 | 第79-81页 |
| 5.3 数据张量转换 | 第81-84页 |
| 5.3.1 数据预处理 | 第81-82页 |
| 5.3.2 短时傅立叶变换 | 第82页 |
| 5.3.3 心电ECG信号的稀疏表征 | 第82-84页 |
| 5.4 已有张量算法 | 第84-87页 |
| 5.4.1 非相关多线性主成份分析(UMPCA) | 第84-86页 |
| 5.4.2 张量秩1判别分析(TR1DA) | 第86-87页 |
| 5.5 我们提出的张量算法(GTR1DA、SSMDA、SSSMDA、SSKMDA) | 第87-97页 |
| 5.5.1 扩展的张量秩1判别分析 | 第88-91页 |
| 5.5.2 半监督张量秩1判别分析 | 第91-93页 |
| 5.5.3 半监督稀疏张量秩1判别分析 | 第93页 |
| 5.5.4 半监督核张量秩1判别分析 | 第93-97页 |
| 5.5.4.1 张量数据核函数 | 第95-96页 |
| 5.5.4.2 计算复杂度分析 | 第96-97页 |
| 5.6 张量学习算法的优化计算 | 第97-108页 |
| 5.6.1 向量算法扩展成张量算法的框架 | 第97-103页 |
| 5.6.2 向量空间凸优化到张量空间交替优化 | 第103-104页 |
| 5.6.3 非约束张量优化算法的计算 | 第104-107页 |
| 5.6.3.1 交替最小二乘法 | 第104-106页 |
| 5.6.3.2 梯度下降法 | 第106-107页 |
| 5.6.4 带约束张量学习优化算法 | 第107-108页 |
| 5.6.4.1 带非线性约束的非线性最小二乘 | 第107-108页 |
| 5.7 实验和分析 | 第108-116页 |
| 5.7.1 实验结果 | 第108-114页 |
| 5.7.1.1 不同方法收敛性和迭代过程对比 | 第108-110页 |
| 5.7.1.2 分类效果对比 | 第110-111页 |
| 5.7.1.3 张量优化计算 | 第111-114页 |
| 5.7.2 讨论 | 第114-116页 |
| 5.8 本章小结 | 第116-117页 |
| 第六章 心电特征分类与模式识别 | 第117-131页 |
| 6.1 引言 | 第117-118页 |
| 6.2 支持向量机 | 第118-119页 |
| 6.3 半监督支持向量机 | 第119-120页 |
| 6.4 支持张量机 | 第120-122页 |
| 6.5 半监督支持张量机 | 第122-126页 |
| 6.5.1 方法数学推导 | 第122-123页 |
| 6.5.2 计算方法 | 第123-125页 |
| 6.5.2.1 交替投影优化过程 | 第124页 |
| 6.5.2.2 子问题序列凸规划算法求解 | 第124-125页 |
| 6.5.3 核半监督支持张量机 | 第125-126页 |
| 6.6 实验和分析 | 第126-130页 |
| 6.6.1 实验结果 | 第126-129页 |
| 6.6.2 讨论 | 第129-130页 |
| 6.7 本章小结 | 第130-131页 |
| 第七章 本文总结 | 第131-134页 |
| 7.1 本文的主要工作和创新点 | 第131-132页 |
| 7.2 工作展望 | 第132-134页 |
| 参考文献 | 第134-146页 |
| 致谢 | 第146-148页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第148-151页 |