基于心电信号的房颤自动识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究的背景及意义 | 第9页 |
| 1.2 房颤及其心电图特征 | 第9-11页 |
| 1.2.1 心电图简介 | 第10-11页 |
| 1.2.2 房颤的心电特征 | 第11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 基于心室反应分析的房颤识别方法 | 第12-13页 |
| 1.3.2 基于心房活动分析的房颤识别方法 | 第13页 |
| 1.4 房颤识别研究存在的问题 | 第13-14页 |
| 1.5 本文的主要工作与结构 | 第14-15页 |
| 第二章 心电信号预处理及波形筛选 | 第15-25页 |
| 2.1 心电信号预处理与筛选的意义 | 第15页 |
| 2.2 实验数据来源 | 第15-16页 |
| 2.3 心电信号中常见噪声分析与处理 | 第16-20页 |
| 2.3.1 心电信号的常见噪声 | 第16-17页 |
| 2.3.2 切比雪夫滤波器去除高频干扰 | 第17-19页 |
| 2.3.3 中值滤波算法去除低频干扰 | 第19-20页 |
| 2.4 基于信息熵的奇异波形筛选 | 第20-24页 |
| 2.4.1 心电信号序列中奇异波形的分析 | 第20-22页 |
| 2.4.2 基于信息熵的心电信号奇异波形筛选机制 | 第22-23页 |
| 2.4.3 实验结果及分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于CWT的心电信号R波识别方法 | 第25-39页 |
| 3.1 常用的R波检测算法及存在的问题 | 第25-26页 |
| 3.2 手部心电信号R波识别存在的困难 | 第26-27页 |
| 3.3 改进的基于CWT的 R波识别方法 | 第27-31页 |
| 3.3.1 CWT概述 | 第27-29页 |
| 3.3.2 改进的R波检测方法 | 第29-31页 |
| 3.4 R波检测的评价标准 | 第31-32页 |
| 3.5 实验及结果分析 | 第32-38页 |
| 3.5.1 实验数据 | 第32-33页 |
| 3.5.2 实验方案及结果分析 | 第33-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于时域特征的房颤识别方法 | 第39-54页 |
| 4.1 心电信号时域特征介绍及提取 | 第39-41页 |
| 4.2 基于SVM的房颤识别模型构建 | 第41-45页 |
| 4.2.1 SVM分类器概述 | 第41-43页 |
| 4.2.2 基于SVM的房颤识别二分类器设计 | 第43页 |
| 4.2.3 基于SVM的房颤识别多分类器设计 | 第43-45页 |
| 4.3 基于BP神经网络的房颤识别模型构建 | 第45-49页 |
| 4.3.1 BP神经网络概述 | 第45-48页 |
| 4.3.2 BP神经网络模型构建 | 第48-49页 |
| 4.4 实验及结果分析 | 第49-53页 |
| 4.4.1 实验数据 | 第49页 |
| 4.4.2 评价标准 | 第49-50页 |
| 4.4.3 实验及结果分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54-55页 |
| 5.2 进一步工作 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |
