基于深度迁移学习的心电信号分类算法研究
发布时间：2021-11-24 14:19
近年来,心血管疾病作为威胁人类生命的重要疾病之一,其发病率和致死率逐年上升。大部分的心血管疾病早期症状都伴随着心律失常现象,及时准确的分类出异常的心电信号类别具有重要的医学价值和社会意义。心电信号分类算法目前存在两方面问题,大部分分类方法都是基于心电信号数据进行分类,对心电信号时域波形及变换域数据集分类研究较少,信号的单一特征分类准确度较低,并且分类算法模型的时间复杂度高及运算参数量较多。针对上述问题,本文给出基于时频变换的数据特征分析算法,以及给出了基于深度卷积网络结合迁移学习的分类判别算法,在小数据样本中获得了较好分类性能,并且降低了时间复杂度和运算数据量。本文主要工作内容如下:1)给出一种基于小波分解的信号预处理方法。首先对原始心电信号分别采用Daubechies小波和Symlet小波变换进行去噪预处理,利用小波分解滤除高频噪声,实验仿真对比采用Daubechies小波在分解层数为6时,信噪比达到最高。其次根据MIT-BIH数据库文件标注信息检测QRS波,并进行心拍划分,完成心电信号时域波形数据集的构建。在时域数据集中,主要从QRS波形态学角度选取异常信号特征,进而来区分六类心电...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
图１．２?ＥＣＧ自动分析框架??Ｆｉｇ．?１．２?ＥＣＧ?ａｕｔｏｍａｔｉｃ?ａｎａｌｙｓｉｓ?ｆｒａｍｅｗｏｒｋ??
?基于深度迁移学习的心电信号分类算法研究???２?ＥＣＧ及深度迁移网络??２．１心电知识及产生机理??２．１．１?ＥＣＧ波形特性??ＥＣＧ波形有一定的规律，其记录的每一个波形结果反应心脏生理学特有区域的特??点。在每个心跳周期内，由窦房结产生的激动，经过心房依次传导至心室。在激动传导??的过程中，呈现出有一定大孝方向和时程的电位变化。这种电位变化使身体各个部位??在每一个心跳周期都呈现有规律的电变化，并用仪器进行记录。ＥＣＧ是引导电极在肢体??或躯体部位记录到的心电变化曲线，己被证明是临床医学中最有用的诊断测试方式之一??［２５］，其反映了心脏激动的发生、传导和还原过程的生物电变化，但与心脏的收缩活动无??直接关系。因此，在心跳周期中ＥＣＧ代表整个心脏各部分组织电活动信号的综合向量??变化。典型的ＥＣＧ波形中一个心跳周期分别由Ｐ波、Ｐ—Ｒ段、ＰＲ间期、ＱＲＳ波、ＳＴ??段和Ｔ波组成如图２．１所示。??ＱＲＳ??Ｃｏ?ｔｕｐｌｅｓ??Ｒ??ＲＲ?歷麗?Ｓｅｇｍｅｎｌ??ＰＲ?Ｉｎｔｅｒｖａｌ?？??１?ｓ??ＱＴ?Ｉｎｔｅｒｖａｌ??图２．１典型一个心跳周期ＥＣＧ波形??Ｆｉｇ．?２．１?Ｐｅｒｃｅｐｔｒｏｎ?ｔｙｐｉｃａｌ?ｏｎｅ?ｃｙｃｌｅ?ＥＣＧ?ｗａｖｅｆｏｍｉ??－８?－??
?基于深度迁移学习的心电信号分类算法研究???２．?２．?１神经元及神经网络结构??人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＡＮＮ?），简称神经网络（Ｎｅｕｒａｌ??Ｎｅｔｗｏｒｋ，ＮＮ），表示为一种具有模仿生物特点的神经网络（类似于人类大脑的中枢神经??系统），并且包含数学运算模型性能，主要目的是对函数进行近似计算或估计。神经元??作为ＮＮ最基本组成单位，图２．２给出单个神经元的基本模型示意图。??ｙ／?求和?激活函数?输出??ｙ??？、?？?＼??输入权值??图２．?２神经元基本模型??Ｆｉｇ．?２．２?Ｂａｓｉｃ?ｎｅｕｒｏｎ?ｍｏｄｅｌ??如图２．２所示，单个神经元模型中包括多个输入信号ｘ１，ｘ２，ｘ３．．．ｘｎ，向量??代表输入信号的集合，每个输入神经元对应的权重表示为??＼￥＝［％，％凡．．．％］。根据输入信号和权重加权求和得向量Ｚ，经过激活函数处理后得??到输出结果表达式如下??ｙ?＝?ｆ（Ｚ）?＝?ｆ［ＹＷｒｘＡ?＝?ｆ｛ＷＳ．）?（２．１）??Ｖ?／＝ｉ?ｙ??常见的激活函数大体分为两类：Ｓｉｇｍｏｉｄ函数和ＲｅＬＵ?（Ｒｅｃｔｉｆｉｅｄ?Ｌｉｎｅｒ?Ｕｎｉｔｓ）函数。??函数表达式如式（２．２）、（２．３）所示??－１２?－??
【参考文献】：
期刊论文
[1]基于深度迁移学习的烟雾识别方法[J]. 王文朋,毛文涛,何建樑,窦智. 计算机应用. 2017(11)
[2]基于迁移学习的唐诗宋词情感分析[J]. 吴斌,吉佳,孟琳,石川,赵惠东,李仪清. 电子学报. 2016(11)
[3]论心电信号检测中的噪声与干扰及其消除方法[J]. 彭飞武,熊平,蔡晓珠,刘建庭,傅伟. 医疗卫生装备. 2007(09)
[4]人工神经网络研究现状及其展望[J]. 朱大奇. 江南大学学报. 2004(01)
[5]模糊算法在心律失常病类判别中的应用[J]. 孟兆辉,张永红,白净. 电子学报. 2001(09)
本文编号：3516150
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
图１．２?ＥＣＧ自动分析框架??Ｆｉｇ．?１．２?ＥＣＧ?ａｕｔｏｍａｔｉｃ?ａｎａｌｙｓｉｓ?ｆｒａｍｅｗｏｒｋ??
?基于深度迁移学习的心电信号分类算法研究???２?ＥＣＧ及深度迁移网络??２．１心电知识及产生机理??２．１．１?ＥＣＧ波形特性??ＥＣＧ波形有一定的规律，其记录的每一个波形结果反应心脏生理学特有区域的特??点。在每个心跳周期内，由窦房结产生的激动，经过心房依次传导至心室。在激动传导??的过程中，呈现出有一定大孝方向和时程的电位变化。这种电位变化使身体各个部位??在每一个心跳周期都呈现有规律的电变化，并用仪器进行记录。ＥＣＧ是引导电极在肢体??或躯体部位记录到的心电变化曲线，己被证明是临床医学中最有用的诊断测试方式之一??［２５］，其反映了心脏激动的发生、传导和还原过程的生物电变化，但与心脏的收缩活动无??直接关系。因此，在心跳周期中ＥＣＧ代表整个心脏各部分组织电活动信号的综合向量??变化。典型的ＥＣＧ波形中一个心跳周期分别由Ｐ波、Ｐ—Ｒ段、ＰＲ间期、ＱＲＳ波、ＳＴ??段和Ｔ波组成如图２．１所示。??ＱＲＳ??Ｃｏ?ｔｕｐｌｅｓ??Ｒ??ＲＲ?歷麗?Ｓｅｇｍｅｎｌ??ＰＲ?Ｉｎｔｅｒｖａｌ?？??１?ｓ??ＱＴ?Ｉｎｔｅｒｖａｌ??图２．１典型一个心跳周期ＥＣＧ波形??Ｆｉｇ．?２．１?Ｐｅｒｃｅｐｔｒｏｎ?ｔｙｐｉｃａｌ?ｏｎｅ?ｃｙｃｌｅ?ＥＣＧ?ｗａｖｅｆｏｍｉ??－８?－??
?基于深度迁移学习的心电信号分类算法研究???２．?２．?１神经元及神经网络结构??人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＡＮＮ?），简称神经网络（Ｎｅｕｒａｌ??Ｎｅｔｗｏｒｋ，ＮＮ），表示为一种具有模仿生物特点的神经网络（类似于人类大脑的中枢神经??系统），并且包含数学运算模型性能，主要目的是对函数进行近似计算或估计。神经元??作为ＮＮ最基本组成单位，图２．２给出单个神经元的基本模型示意图。??ｙ／?求和?激活函数?输出??ｙ??？、?？?＼??输入权值??图２．?２神经元基本模型??Ｆｉｇ．?２．２?Ｂａｓｉｃ?ｎｅｕｒｏｎ?ｍｏｄｅｌ??如图２．２所示，单个神经元模型中包括多个输入信号ｘ１，ｘ２，ｘ３．．．ｘｎ，向量??代表输入信号的集合，每个输入神经元对应的权重表示为??＼￥＝［％，％凡．．．％］。根据输入信号和权重加权求和得向量Ｚ，经过激活函数处理后得??到输出结果表达式如下??ｙ?＝?ｆ（Ｚ）?＝?ｆ［ＹＷｒｘＡ?＝?ｆ｛ＷＳ．）?（２．１）??Ｖ?／＝ｉ?ｙ??常见的激活函数大体分为两类：Ｓｉｇｍｏｉｄ函数和ＲｅＬＵ?（Ｒｅｃｔｉｆｉｅｄ?Ｌｉｎｅｒ?Ｕｎｉｔｓ）函数。??函数表达式如式（２．２）、（２．３）所示??－１２?－??
【参考文献】：
期刊论文
[1]基于深度迁移学习的烟雾识别方法[J]. 王文朋,毛文涛,何建樑,窦智. 计算机应用. 2017(11)
[2]基于迁移学习的唐诗宋词情感分析[J]. 吴斌,吉佳,孟琳,石川,赵惠东,李仪清. 电子学报. 2016(11)
[3]论心电信号检测中的噪声与干扰及其消除方法[J]. 彭飞武,熊平,蔡晓珠,刘建庭,傅伟. 医疗卫生装备. 2007(09)
[4]人工神经网络研究现状及其展望[J]. 朱大奇. 江南大学学报. 2004(01)
[5]模糊算法在心律失常病类判别中的应用[J]. 孟兆辉,张永红,白净. 电子学报. 2001(09)
本文编号：3516150
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3516150.html
