心电数据资产管理及应用

发布时间：2021-07-13 00:20

　　在大数据时代,数据被广泛的看作是一种资产。数据不再仅仅被看作记录信息的载体,数据本身也可以产生价值。离开高质量的数据,很难进行高效的研究与决策。因此,数据资产管理逐渐被各大公司重视,数据资产管理中很重要的一步是对数据进行治理,为的是将治理好的高质量数据更好地服务上层应用。心电图（ECG）是一种无创的有效的观测心律和心脏状态的医疗工具,通过心电图能够及时发现心率异常。人工分辨心率失常费时费力,如果能够使用现代的深度学习技术来对心率失常进行分类则能够大大减轻人工的负担。但是深度学习训练需要的数据量大,而且目前网上单一数据库难以满足数据量的需求。现存的大量纸质心电图虽然可以作为数量的补充,但是纸质心电图不方便使用计算机技术进行处理,并且不同数据来源的心电数据记录规格可能存在差异。因此,统一不同数据格式,统一标准,统一储存的心电信号可以为心电的研究提供强有力支撑。在大数据时代,其他领域的数据管理有一些很成熟的经验,为了给心电信号的研究提供一个良好的基础,借鉴数据资产管理的思想,本文提出心电数据资产管理的方法,并将标准化后的心电数据运用到心率失常的模型中检测数据治理的效果。针对前面提出的问题,本... 

【文章来源】：武汉邮电科学研究院湖北省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

正常人心电图示例

12表2-1心电图数值对照表大格数123456心率次/分300150100756050正常心电图波形能够看到每个周期有三个明显的波动，他们从左到右分别是：P波、QRS波群、T波[27]，图2-2是一个正常的典型心电图的波形，临床上读心电图医师主要关注的是每个波动的起点以及各个波形的幅值和持续时间。进而计算得到各种指标的值。心电图的各个波段形状如下图所示：图2-2标准心电图的各波段形状及含义(1)P波；P波是整个心电图波形中出现最早的波，P波是心房除极波，临床上为了实用起见，P波的前部代表右心房的激动，后部代表左心房的激动。分析P波对心律失常的诊断与鉴别诊断具有重要意义。通常P波的振幅不高于25mv，时长不超过0.12秒，医生也经常关注P波的波形形态。(2)QRS波群：QRS波群是整个心电周期波形里最明显的一个，因为一般QRS波群的R波是所有波动里波峰最高的一个。QRS波群反映左、右心室除极电位和时间的变化，波群由Q波R波和S波三个波组成，第一个向下的波为Q波，向上的波为R波，接着向下的波是S波。由于采用的心电图设备不同，三个波不一定同时出现。并且三个波的振幅不同，对于正常的大多数心电图，Q波振幅小，波峰朝向负电压方向，R波朝向电压的正方向，波形特征是高尖，S波波形向下振幅较

15接的，但在层内之间的节点是无连接的。这种普通的神经网络对于很多问题具有局限性。而递归神经网络(RecurrentNeuralNetwork,RNN)在当前的计算中会有前面信息的记忆，即隐藏层的输入包括两部分：输入层的输出和上一时刻隐藏层的输出，这样隐藏层之间的节点就变成了有连接的节点。图2-3典型的RNN网络和扩展后的结构示意图图2-3描绘了典型的RNN网络结构和经过两个时间步扩展后的结构，其中X表示输入层，O表示输出层，t表示计算的次数，V,W和U表示权重。在每个时间步中从隐含层到输出层的权重都是相同的，但是输入和输出不一样。所以第t时刻隐含层的状态=(×+×1)。递归神经网络展开之后，当前隐含层会接收来自上一个隐含层传递过来的数据，前向传播将按照时间顺序进行计算。=∑=1(2-1)=∑=1+∑′1(2-2)=()(2-3)公式(2-1)、(2-2)、(2-3)表明了前向的传播过程，其中，a为混合计算的值，w代表节点权重，b表示激活函数计算得到的结果。反向传播与普通的神经网络训练没有本质区别，即为从最后一层隐含层返回累积的残差。


本文编号：3280945