基于CNN的心律失常分类系统的FPGA设计与实现
发布时间：2021-01-01 20:20
随着心血管疾病发病率的逐年提升,心血管疾病的诊断与预防越来越被人们所关注。心电图（electrocardiogram,ECG）是医生进行心脏疾病诊断的重要依据,传统的临床诊断方法是医生通过对患者心电图进行人工分析进而做出诊断,这样的诊断方式可能会导致误诊漏诊的情况发生。心律失常分类算法的研究一方面能够对医生的诊断起到辅助作用,提高心血管疾病的诊断效率,有利于医疗资源合理分配;同时也能够移植到可穿戴设备上,为用户提供疾病预警和健康监护的功能。近年来,随着人们对于神经网络研究的进步,神经网络在很多研究领域中展现出了更加强大的分类性能,将卷积神经网络应用到心电信号的自动识别能够更好的提取心电信号的特征并进行准确率更高的多分类过程。为了使卷积神经网络更好的处理心电信号这样的一维时间序列,有研究者提出使用独热编码技术对心电信号进行图像化编码,结合CNN模型进行心律失常分类研究并取得了不错的分类效果,不足是图像化数据冗余度较高。针对上述方法存在的不足,本文使用了基于时间序列时间相关性特征的GASF（Gramian Angular Summation Field）图像化算法结合卷积神经网络的组合模型...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
心脏结构图
一个完整的心电信号周期主要由三部分组成：代表心房除极化的P波,代表心室除极化的QRS波群以及代表心室复极化的T波。图2.2表示的是心电信号中的一个完整的心电信号波形。心电信号是十分微弱的,其幅度在10μV~5mV之间,频率分布在0.05Hz~100Hz之间,而频谱能量大多集中在0.5Hz~45Hz之间,而且具有非平稳性和非线性[37]。尽管不同的人或者不同导联的心电图存在着差异,但是在一般情况下,每次心动周期在心电图上均可出现相应的一组波形,其中包括P波,QRS波、T波、U波、P-R间期、S-T段等部分。P波能够反映心房去极化过程的电位变化,波形较为圆滑,波幅一般低于0.25毫伏,临床上医生会对P波的幅度、波形形态和P波时间重点关注；QRS波群反映了心室去极化过程导致的电位变化,QRS波群中第一个向下的波为Q波,接下来向上的幅值高,变化快的为R波,最后向下的波为S波。QRS波群是心电信号中特征最明显的波群,各个波的幅度变化都比较大,通常情况下正常人的QRS波群时长约为0.06s-0.10s；T波反映了心室复极化导致的电位变化,其位置位于QRS波群后,方向应与QRS波群的主波方向一致；U波是T波发生后0.02s-0.04s左右可能出现的与T波同方向的波,幅值较低；P-R间期指的是由P波起点开始到QRS波群起点的一段时间。表征了窦房结所产生的兴奋传导至心室所经过的时间,P-R间期过长可能表征患者有房室传导阻滞的症状；S-T段指的是QRS波群的终点到T波起点的一段时间,表示心室缓慢复极的过程,当出现冠状动脉供血不足或者心肌梗死等病症的时候,S-T段会表现为向上或向下偏离基线状态。医生在诊断心电图的过程中往往会根据以上每个波的起止点、幅值等特征计算各种指标的值。心电信号所包含的各个波段的时域特征均具有一定的临床价值,因此,医生在用心电图诊断心脏疾病的过程中,通常会根据上述各个波的幅值、持续时间等各项指标,根据不同心脏疾病的标准进行临床诊断。
MIT-BIH数据库是由美国麻省理工学院（Massachusetts Institute of Technology）和Beth Israel医院合作建立的。本文用到的全部数据可从MIT-BIH心律失常标准数据库中下载,该数据库中包括48组记录文件[38]。这些心电数据来自于47位患者（其中201号记录和202号记录来自同一患者的心电数据）。在这47位患者中,男性患者有25名,年龄分布区间是32岁到89岁；女性患者有22名,年龄分布区间是23岁到89岁。这48组记录文件中,每组记录文件又由头文件、数据文件和注释文件三部分组成,头文件中记录了患者的基本情况和数据采集的基本信息；数据文件中记录了该患者约30分钟的双导联心电数据,数据采样精度为11位,采样频率为360Hz；注释文件是由多位心电图专家共同标注的心拍信息,主要包括了QRS主波位置（一般是R波位置）、导联信息、心电信号存储形式、采样频率、节律、心拍类型以及发生心律失常的位置等信息,在我们的实验中主要使用到了注释文件中的R波位置信息以及心拍类型信息,在MIT-BIH数据库中,专家们所标出的主要心拍类型如图2.3所示：在对注释文件进行解析之后,其中会使用注释代码对每一种不同的心拍类型或者其他信息进行注释,后面的分类算法就是依据数据库中的心电信号及其标注进行训练和测试的。MIT-BIH数据库是被研究人员广泛认可的数据库,包含多种实际测得的异常心拍,并经过多名专业心电图专家标注,可信度很高,因此本文选择MIT-BIH心律失常数据库作为实验的数据来源。
【参考文献】：
期刊论文
[1]《中国心血管病报告2018》要点介绍[J]. 马丽媛,吴亚哲,陈伟伟. 中华高血压杂志. 2019(08)
[2]边缘计算数据安全与隐私保护研究综述[J]. 张佳乐,赵彦超,陈兵,胡峰,朱琨. 通信学报. 2018(03)
[3]面向边缘计算的嵌入式FPGA卷积神经网络构建方法[J]. 卢冶,陈瑶,李涛,蔡瑞初,宫晓利. 计算机研究与发展. 2018(03)
[4]边缘计算:万物互联时代新型计算模型[J]. 施巍松,孙辉,曹杰,张权,刘伟. 计算机研究与发展. 2017(05)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]卷积神经网络的研究进展综述[J]. 杨斌,钟金英. 南华大学学报(自然科学版). 2016(03)
[7]心电信号噪声的数字滤波研究[J]. 陈天华,韩力群,郑彧. 微计算机信息. 2008(18)
[8]心电图中滤除基线漂移的研究[J]. 张勇,张萍,王介生. 计算机与应用化学. 2007(04)
[9]MIT-BIH心率失常数据库的识读及应用[J]. 宋喜国,邓亲恺. 中国医学物理学杂志. 2004(04)
[10]心血管病预防的现状和展望[J]. 顾东风. 中华预防医学杂志. 2003(02)
博士论文
[1]基于卷积神经网络的心律失常自动分类关键技术研究[D]. 李嘉.吉林大学 2019
硕士论文
[1]卷积神经网络及其应用[D]. 李飞腾.大连理工大学 2014
本文编号：2951935
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
心脏结构图
一个完整的心电信号周期主要由三部分组成：代表心房除极化的P波,代表心室除极化的QRS波群以及代表心室复极化的T波。图2.2表示的是心电信号中的一个完整的心电信号波形。心电信号是十分微弱的,其幅度在10μV~5mV之间,频率分布在0.05Hz~100Hz之间,而频谱能量大多集中在0.5Hz~45Hz之间,而且具有非平稳性和非线性[37]。尽管不同的人或者不同导联的心电图存在着差异,但是在一般情况下,每次心动周期在心电图上均可出现相应的一组波形,其中包括P波,QRS波、T波、U波、P-R间期、S-T段等部分。P波能够反映心房去极化过程的电位变化,波形较为圆滑,波幅一般低于0.25毫伏,临床上医生会对P波的幅度、波形形态和P波时间重点关注；QRS波群反映了心室去极化过程导致的电位变化,QRS波群中第一个向下的波为Q波,接下来向上的幅值高,变化快的为R波,最后向下的波为S波。QRS波群是心电信号中特征最明显的波群,各个波的幅度变化都比较大,通常情况下正常人的QRS波群时长约为0.06s-0.10s；T波反映了心室复极化导致的电位变化,其位置位于QRS波群后,方向应与QRS波群的主波方向一致；U波是T波发生后0.02s-0.04s左右可能出现的与T波同方向的波,幅值较低；P-R间期指的是由P波起点开始到QRS波群起点的一段时间。表征了窦房结所产生的兴奋传导至心室所经过的时间,P-R间期过长可能表征患者有房室传导阻滞的症状；S-T段指的是QRS波群的终点到T波起点的一段时间,表示心室缓慢复极的过程,当出现冠状动脉供血不足或者心肌梗死等病症的时候,S-T段会表现为向上或向下偏离基线状态。医生在诊断心电图的过程中往往会根据以上每个波的起止点、幅值等特征计算各种指标的值。心电信号所包含的各个波段的时域特征均具有一定的临床价值,因此,医生在用心电图诊断心脏疾病的过程中,通常会根据上述各个波的幅值、持续时间等各项指标,根据不同心脏疾病的标准进行临床诊断。
MIT-BIH数据库是由美国麻省理工学院（Massachusetts Institute of Technology）和Beth Israel医院合作建立的。本文用到的全部数据可从MIT-BIH心律失常标准数据库中下载,该数据库中包括48组记录文件[38]。这些心电数据来自于47位患者（其中201号记录和202号记录来自同一患者的心电数据）。在这47位患者中,男性患者有25名,年龄分布区间是32岁到89岁；女性患者有22名,年龄分布区间是23岁到89岁。这48组记录文件中,每组记录文件又由头文件、数据文件和注释文件三部分组成,头文件中记录了患者的基本情况和数据采集的基本信息；数据文件中记录了该患者约30分钟的双导联心电数据,数据采样精度为11位,采样频率为360Hz；注释文件是由多位心电图专家共同标注的心拍信息,主要包括了QRS主波位置（一般是R波位置）、导联信息、心电信号存储形式、采样频率、节律、心拍类型以及发生心律失常的位置等信息,在我们的实验中主要使用到了注释文件中的R波位置信息以及心拍类型信息,在MIT-BIH数据库中,专家们所标出的主要心拍类型如图2.3所示：在对注释文件进行解析之后,其中会使用注释代码对每一种不同的心拍类型或者其他信息进行注释,后面的分类算法就是依据数据库中的心电信号及其标注进行训练和测试的。MIT-BIH数据库是被研究人员广泛认可的数据库,包含多种实际测得的异常心拍,并经过多名专业心电图专家标注,可信度很高,因此本文选择MIT-BIH心律失常数据库作为实验的数据来源。
【参考文献】：
期刊论文
[1]《中国心血管病报告2018》要点介绍[J]. 马丽媛,吴亚哲,陈伟伟. 中华高血压杂志. 2019(08)
[2]边缘计算数据安全与隐私保护研究综述[J]. 张佳乐,赵彦超,陈兵,胡峰,朱琨. 通信学报. 2018(03)
[3]面向边缘计算的嵌入式FPGA卷积神经网络构建方法[J]. 卢冶,陈瑶,李涛,蔡瑞初,宫晓利. 计算机研究与发展. 2018(03)
[4]边缘计算:万物互联时代新型计算模型[J]. 施巍松,孙辉,曹杰,张权,刘伟. 计算机研究与发展. 2017(05)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]卷积神经网络的研究进展综述[J]. 杨斌,钟金英. 南华大学学报(自然科学版). 2016(03)
[7]心电信号噪声的数字滤波研究[J]. 陈天华,韩力群,郑彧. 微计算机信息. 2008(18)
[8]心电图中滤除基线漂移的研究[J]. 张勇,张萍,王介生. 计算机与应用化学. 2007(04)
[9]MIT-BIH心率失常数据库的识读及应用[J]. 宋喜国,邓亲恺. 中国医学物理学杂志. 2004(04)
[10]心血管病预防的现状和展望[J]. 顾东风. 中华预防医学杂志. 2003(02)
博士论文
[1]基于卷积神经网络的心律失常自动分类关键技术研究[D]. 李嘉.吉林大学 2019
硕士论文
[1]卷积神经网络及其应用[D]. 李飞腾.大连理工大学 2014
本文编号：2951935
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2951935.html
