基于确定学习与深度学习的人体体表心电信号建模与分类
发布时间：2022-11-12 09:55
心肌缺血是常见的心血管疾病,严重威胁着人们的生命健康安全。持续的心肌缺血会造成心肌细胞坏死,导致心肌梗死。因此,如何使用简单、方便的方法在人群中早期发现、早期诊断心肌缺血具有重要的意义。与其他有创的检查手段相比,体表心电图具有无创、简单方便以及经济等优点。一方面,心电图是反映人体心脏电活动的综合表现,利用心电图对患者进行检查没有伤害,操作简单;另一方面,心电图覆盖面广,几乎在每个基层医院都有配置。经过了近十年的研究发展,基于心电信号的心肌缺血智能检测涌现出了很多有价值的工作。因其重要的理论研究背景和实际应用价值,本文将对此进行深入研究,针对其中心电信号的特征提取和分类识别的问题,在前人工作的基础上,研究了以下内容:（1）提出了基于确定学习的心电建模方法。基于确定学习理论对心电信号的状态轨迹的内在动力学特征进行准确建模,并提出了有效的ECG模式识别方法。本文首先将标准12导联ECG信号转换为低维信号,然后构建动态RBF神经网络,对心电信号中的非线性动态模式进行局部准确建模,并将得到的动力学信息以常值RBF网络权值矩阵的形式保存下来。在分类阶段,通过构建的估计器与提取的动力学信息之间的相似...
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究的背景与意义
1.2 国内外研究现状
1.2.1 心肌缺血智能检测方法
1.2.2 非线性动力学方法在心电图分析中的应用
1.3 本文主要研究内容及结构内容
2 系统预备知识
2.1 引言
2.2 心电相关知识
2.2.1 心肌缺血概述
2.2.2 心电图
2.3 确定学习理论
2.3.1 RBF神经网络简介
2.3.2 RBF神经网络的PE性质
2.3.3 连续系统的确定学习
2.3.4 离散系统的确定学习
2.4 深度学习
2.4.1 卷积神经网络
2.4.2 循环神经网络
2.4.3 神经网络的训练方法
2.5 本章小结
3 基于确定学习理论的心电动力学建模与分类
3.1 引言
3.2 心电动力学的提取和分类
3.2.1 ECG信号预处理
3.2.2 心电动力学的提取
3.2.3 心电动力学的分类
3.3 实验及分析
3.3.1 实验性能指标
3.3.2 实验结果
3.4 本章小结
4 基于深度学习与确定学习的心肌缺血分类识别
4.1 引言
4.2 心电动力学特征
4.2.1 心电信号预处理
4.2.2 心电动力学特征提取
4.3 网络结构的设计
4.3.1 CRNN网络的结构设计
4.3.2 PRCNN网络的结构设计
4.4 模型性能评估实验与分析
4.4.1 实验数据集
4.4.2 实验方法
4.4.3 实验结果与分析
4.5 本章小结
5 基于深度学习与迁移学习的心肌缺血分类研究
5.1 引言
5.2 迁移学习简介
5.2.1 迁移学习基本概念
5.2.2 迁移学习方法
5.3 基于模型迁移的心肌缺血分类方法
5.3.1 网络模型的预训练
5.3.2 网络模型的再训练
5.3.3 实验结果与分析
5.4 本章小结
6 总结和展望
6.1 总结
6.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]《中国心血管病报告2018》概要[J]. 胡盛寿,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,陈伟伟. 中国循环杂志. 2019(03)
[2]循环谱分析在心律失常分类中的应用研究[J]. 褚晶辉,卢莉莉,吕卫,李喆. 计算机科学与探索. 2017(11)
[3]我国心血管疾病现状与展望[J]. 姚震,陈林. 海南医学. 2013(13)
[4]心血管疾病风险评估的现状与展望[J]. 何疆春,李田昌. 心血管病学进展. 2013(01)
[5]基于心电图ST-T段的心肌缺血检测方法研究进展[J]. 宋晋忠,严洪,姚宇华,张琳. 航天医学与医学工程. 2011(02)
[6]述评:再论心电向量图临床应用的价值及现状[J]. 何秉贤. 临床心电学杂志. 2009(02)
[7]基于遗传算法和神经元网络的心电信号T波检测[J]. 余生晨,高立,薛阳,黄江兰,余桂贤,崔新伟. 中国生物医学工程学报. 2008(04)
[8]基于多尺度的人体ECG信号质量指数谱分析[J]. 杨小冬,宁新宝,何爱军,都思丹. 物理学报. 2008(03)
[9]中国成年人主要死亡原因及其危险因素[J]. 顾东风,吴锡桂,段秀芳,姚崇华,王家良,Kristi Reynolds,Michael J.Klag,Paul K. Whelton. 中国慢性病预防与控制. 2006(03)
[10]应用高阶统计方法实现R波的检测[J]. 唐艳,汤井田. 中国医学物理学杂志. 2005(06)
博士论文
[1]基于特征迁移与模型迁移的分类器设计[D]. 臧绍飞.中国矿业大学 2017
[2]基于确定学习的人体生物信号建模识别及其应用研究[D]. 邓木清.华南理工大学 2017
本文编号：3706154
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究的背景与意义
1.2 国内外研究现状
1.2.1 心肌缺血智能检测方法
1.2.2 非线性动力学方法在心电图分析中的应用
1.3 本文主要研究内容及结构内容
2 系统预备知识
2.1 引言
2.2 心电相关知识
2.2.1 心肌缺血概述
2.2.2 心电图
2.3 确定学习理论
2.3.1 RBF神经网络简介
2.3.2 RBF神经网络的PE性质
2.3.3 连续系统的确定学习
2.3.4 离散系统的确定学习
2.4 深度学习
2.4.1 卷积神经网络
2.4.2 循环神经网络
2.4.3 神经网络的训练方法
2.5 本章小结
3 基于确定学习理论的心电动力学建模与分类
3.1 引言
3.2 心电动力学的提取和分类
3.2.1 ECG信号预处理
3.2.2 心电动力学的提取
3.2.3 心电动力学的分类
3.3 实验及分析
3.3.1 实验性能指标
3.3.2 实验结果
3.4 本章小结
4 基于深度学习与确定学习的心肌缺血分类识别
4.1 引言
4.2 心电动力学特征
4.2.1 心电信号预处理
4.2.2 心电动力学特征提取
4.3 网络结构的设计
4.3.1 CRNN网络的结构设计
4.3.2 PRCNN网络的结构设计
4.4 模型性能评估实验与分析
4.4.1 实验数据集
4.4.2 实验方法
4.4.3 实验结果与分析
4.5 本章小结
5 基于深度学习与迁移学习的心肌缺血分类研究
5.1 引言
5.2 迁移学习简介
5.2.1 迁移学习基本概念
5.2.2 迁移学习方法
5.3 基于模型迁移的心肌缺血分类方法
5.3.1 网络模型的预训练
5.3.2 网络模型的再训练
5.3.3 实验结果与分析
5.4 本章小结
6 总结和展望
6.1 总结
6.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]《中国心血管病报告2018》概要[J]. 胡盛寿,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,陈伟伟. 中国循环杂志. 2019(03)
[2]循环谱分析在心律失常分类中的应用研究[J]. 褚晶辉,卢莉莉,吕卫,李喆. 计算机科学与探索. 2017(11)
[3]我国心血管疾病现状与展望[J]. 姚震,陈林. 海南医学. 2013(13)
[4]心血管疾病风险评估的现状与展望[J]. 何疆春,李田昌. 心血管病学进展. 2013(01)
[5]基于心电图ST-T段的心肌缺血检测方法研究进展[J]. 宋晋忠,严洪,姚宇华,张琳. 航天医学与医学工程. 2011(02)
[6]述评:再论心电向量图临床应用的价值及现状[J]. 何秉贤. 临床心电学杂志. 2009(02)
[7]基于遗传算法和神经元网络的心电信号T波检测[J]. 余生晨,高立,薛阳,黄江兰,余桂贤,崔新伟. 中国生物医学工程学报. 2008(04)
[8]基于多尺度的人体ECG信号质量指数谱分析[J]. 杨小冬,宁新宝,何爱军,都思丹. 物理学报. 2008(03)
[9]中国成年人主要死亡原因及其危险因素[J]. 顾东风,吴锡桂,段秀芳,姚崇华,王家良,Kristi Reynolds,Michael J.Klag,Paul K. Whelton. 中国慢性病预防与控制. 2006(03)
[10]应用高阶统计方法实现R波的检测[J]. 唐艳,汤井田. 中国医学物理学杂志. 2005(06)
博士论文
[1]基于特征迁移与模型迁移的分类器设计[D]. 臧绍飞.中国矿业大学 2017
[2]基于确定学习的人体生物信号建模识别及其应用研究[D]. 邓木清.华南理工大学 2017
本文编号：3706154
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3706154.html
