基于卷积神经网络的心律失常检测分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题的背景及研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 心电信号预处理研究现状 | 第10-11页 |
| 1.3.2 心律失常检测算法研究现状 | 第11-12页 |
| 1.4 课题主要研究内容 | 第12-13页 |
| 1.5 论文结构框架 | 第13-15页 |
| 第2章 心律失常基础理论 | 第15-20页 |
| 2.1 心电信号基础理论 | 第15-17页 |
| 2.1.1 心电信号产生机理 | 第15-16页 |
| 2.1.2 心电信号波形 | 第16-17页 |
| 2.2 心律失常 | 第17-18页 |
| 2.3 MIT-BIH心律失常数据库 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 原始心电信号噪声滤除的研究 | 第20-36页 |
| 3.1 心电信号噪声来源 | 第20页 |
| 3.2 相关心电信号噪声滤除方法 | 第20-28页 |
| 3.2.1 小波变换 | 第20-23页 |
| 3.2.2 数学形态学滤波法 | 第23-28页 |
| 3.3 数学形态学和小波变换滤波相结合的滤波算法 | 第28-29页 |
| 3.4 实验结果分析比较 | 第29-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 心律失常检测分类算法研究 | 第36-44页 |
| 4.1 数据准备 | 第36-37页 |
| 4.1.1 QRS波群检测 | 第36-37页 |
| 4.1.2 截取心拍 | 第37页 |
| 4.2 相关心律失常分类算法 | 第37-40页 |
| 4.2.1 SVM | 第37-38页 |
| 4.2.2 BP神经网络 | 第38-40页 |
| 4.3 基于一维卷积神经网络的心律失常检测模型 | 第40-41页 |
| 4.4 实验过程 | 第41-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 算法实验结果分析 | 第44-48页 |
| 5.1 分类器性能评价指标 | 第44页 |
| 5.2 参数配置与优化 | 第44-45页 |
| 5.2.1 卷积核个数优化 | 第44页 |
| 5.2.2 网络层数优化 | 第44-45页 |
| 5.3 实验结果分析比较 | 第45-47页 |
| 5.3.1 实验结果 | 第45页 |
| 5.3.2 与经典的分类器SVM对比 | 第45-46页 |
| 5.3.3 与人工特征分类方法对比 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第6章 全文总结与展望 | 第48-50页 |
| 6.1 全文总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录1 攻读硕士学位期间获得的成果奖励 | 第54-55页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第55页 |
