| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第7-10页 |
| 图录 | 第10-11页 |
| 表录 | 第11-12页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 课题研究背景和意义 | 第12-14页 |
| 1.2 心电图基础 | 第14-18页 |
| 1.2.1 心电产生机理 | 第14-15页 |
| 1.2.2 心电图及其波形特征 | 第15-17页 |
| 1.2.3 心电图的导联体系 | 第17-18页 |
| 1.3 心电自动分析的研究和应用成果 | 第18-21页 |
| 1.3.1 国内外心电自动分析研究成果 | 第18-20页 |
| 1.3.2 远程心电医疗 | 第20页 |
| 1.3.3 常见的心电数据库 | 第20-21页 |
| 1.4 论文内容及结构安排 | 第21-23页 |
| 第二章 心电信号的预处理 | 第23-32页 |
| 2.1 引言 | 第23-24页 |
| 2.2 信号重采样 | 第24页 |
| 2.3 心电噪声处理 | 第24-27页 |
| 2.3.1 心电噪声的产生机理和分类 | 第24-25页 |
| 2.3.2 中值滤波算法 | 第25-26页 |
| 2.3.3 高频噪声去噪算法 | 第26-27页 |
| 2.4 心电波形检测及自动切分 | 第27-30页 |
| 2.4.1 QRS 波形检测与常见算法 | 第27页 |
| 2.4.2 差分阈值 R 波检测算法 | 第27-29页 |
| 2.4.3 心电信号的自动切分 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于半监督判别分析的心电分类方法 | 第32-55页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于小波变换的心电信号特征提取方法 | 第33-37页 |
| 3.2.1 连续小波变换 | 第33-34页 |
| 3.2.2 二进小波变换 | 第34页 |
| 3.2.3 Mallat 算法 | 第34-35页 |
| 3.2.4 小波变换应用于心电特征提取 | 第35-37页 |
| 3.3 基于半监督判别分析的特征降维方法 | 第37-49页 |
| 3.3.1 判别分析方法 | 第37-38页 |
| 3.3.2 线性判别分析 | 第38-42页 |
| 3.3.3 半监督学习思想 | 第42-44页 |
| 3.3.4 拉普拉斯特征映射 | 第44-46页 |
| 3.3.5 半监督判别分析 | 第46-49页 |
| 3.3.6 半监督判别分析运用于心电特征降维 | 第49页 |
| 3.4 基于支持向量机的特征分类方法 | 第49-54页 |
| 3.4.1 最优分类超平面 | 第49-52页 |
| 3.4.2 支持向量机与核函数 | 第52-53页 |
| 3.4.3 多类别支持向量机 | 第53-54页 |
| 3.4.4 支持向量机应用于心电分类 | 第54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于半监督判别分析的心电分类实验和比较 | 第55-64页 |
| 4.1 实验数据集 | 第55页 |
| 4.2 基于半监督判别分析的心电分类实验与结果 | 第55-60页 |
| 4.3 半监督判别分析与常见特征降维方法的比较实验 | 第60-61页 |
| 4.3.1 主成分分析 | 第60页 |
| 4.3.2 独立成分分析 | 第60-61页 |
| 4.3.3 比较实验和结论 | 第61页 |
| 4.4 带标记数据较少情况下的分类性能分析 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 远程心电诊断平台 | 第64-74页 |
| 5.1 引言 | 第64页 |
| 5.2 系统架构 | 第64-66页 |
| 5.3 系统设计方案 | 第66-69页 |
| 5.3.1 移动采集端子系统 | 第66-67页 |
| 5.3.2 服务器端子系统 | 第67-68页 |
| 5.3.3 诊断客户端子系统 | 第68-69页 |
| 5.4 系统的实现简介 | 第69-73页 |
| 5.4.1 移动采集端子系统的实现 | 第69-71页 |
| 5.4.2 诊断服务器端子系统实现 | 第71页 |
| 5.4.3 诊断客户端子系统 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 全文总结和展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间已发表或录用的论文 | 第83页 |