基于深度神经网络的心电图自动分类方法研究与实现
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 心电图去噪预处理的研究现状 | 第12-13页 |
| 1.2.2 心电图特征提取的研究现状 | 第13-14页 |
| 1.2.3 心电图分类识别的研究现状 | 第14-16页 |
| 1.3 存在的问题 | 第16页 |
| 1.4 本文的主要研究内容和创新性 | 第16-17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 第二章 心电图和深度神经网络 | 第19-37页 |
| 2.1 引言 | 第19页 |
| 2.2 基本心电知识和心律失常 | 第19-24页 |
| 2.2.1 心电图产生机理 | 第19-20页 |
| 2.2.2 正常心电图介绍 | 第20-22页 |
| 2.2.3 心律失常的诱因 | 第22页 |
| 2.2.4 心律失常的分类 | 第22-24页 |
| 2.3 常用标准心电图数据库 | 第24-26页 |
| 2.3.1 四大标准心电图数据库 | 第24-26页 |
| 2.3.2 中国心血管疾病数据库 | 第26页 |
| 2.4 深度学习的背景 | 第26-28页 |
| 2.4.1 什么是深度学习 | 第26-27页 |
| 2.4.2 浅层学习和深度学习 | 第27-28页 |
| 2.5 深度神经网络模型 | 第28-34页 |
| 2.5.1 限制性玻尔兹曼机 | 第28-31页 |
| 2.5.2 深度置信网络 | 第31-32页 |
| 2.5.3 卷积神经网络 | 第32-33页 |
| 2.5.4 循环神经网络 | 第33-34页 |
| 2.6 本章小结 | 第34-37页 |
| 第三章 多导联心电信号滤波算法 | 第37-49页 |
| 3.1 引言 | 第37页 |
| 3.2 心电信号的干扰 | 第37-39页 |
| 3.2.1 肌电干扰 | 第37-38页 |
| 3.2.2 基线漂移 | 第38页 |
| 3.2.3 工频干扰 | 第38-39页 |
| 3.3 多导联心电信号滤波 | 第39-47页 |
| 3.3.1 多导联心电信号滤波原理 | 第40-44页 |
| 3.3.2 多导联滤波实验结果 | 第44-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 深度神经网络对心电图进行分类 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 实验平台和评价指标 | 第49-50页 |
| 4.3 CCDD数据集实验 | 第50-55页 |
| 4.3.1 增加样本集处理 | 第50-51页 |
| 4.3.2 实验结果及分析 | 第51-55页 |
| 4.4 MIT-BIH数据集实验 | 第55-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 硕士期间发表的论文和科研成果 | 第69页 |
| 硕士期间参加的科研工作 | 第69页 |
| 硕士期间所获奖项 | 第69-70页 |
| 学位论文评阅及答辩情况表 | 第70页 |
