基于心房活动特征和卷积神经网络的房颤检测

发布时间：2021-04-12 22:16

近年来,随着社会的发展和人口老龄化现象的日益凸显,心血管疾病的发病率在全球范围内呈明显增长趋势,与此同时房颤的发病率也在逐年增长。不仅如此,因房颤引发的并发症如:脑梗塞、高血压等,对人类的生命健康产生了严重的危害。因此,开发房颤检测系统并及早地预防和发现房颤,对改善患者的医疗质量和经济负担等具有重要的临床和现实社会意义。房颤检测虽然受到学者的广泛关注,但是无论是数据特征提取还是检测分类都存在不足之处。基于此,本文提出了一种基于心房活动特征和卷积神经网络的房颤检测算法,主要研究工作如下:(1)提取心房活动的底层特征。本文首先将每个心拍转化为多个心电信号片段,并对其进行白化处理,去除数据间的冗余信息;然后选取一部分白化数据构造稀疏字典,根据此字典求解稀疏系数;最后,由于存在多个心电片段而使得每个心电信号得到的稀疏特征维度过高,因此为了避免出现过拟合并能够获得理想的检测结果,本文对其进行池化处理,从而获得心房活动的底层特征。(2)选用卷积神经网络进行房颤检测。卷积神经网络是一种高效特征学习与自动分类相结合的深层网络,因此本文将已经学习到的底层特征输入到卷积神经网络中再次进行特征学习;根据输入数据的特点不断调整网络的各个参数使之达到最优;最后将学习到的特征进行组合分类,进而达到房颤检测的目的。采用MIT-BIH房颤数据库进行实验来评价本算法检测房颤的可行性,并且与各类算法的检测结果进行对比,实验结果表明本文算法具有良好的检测性能。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R541.75;TP183

文章目录

摘要

ABSTRACT

第1章绪论

1.1 课题的研究背景及意义

1.2 房颤检测算法的研究现状及分析

1.2.1 基于RR间期特征的研究现状

1.2.2 基于心房活动特征的研究现状

1.2.3 房颤检测算法的研究分析

1.3 本文的章节安排及各章的主要内容

第2章心电信号及房颤的基本知识

2.1 心电信号的基本知识

2.1.1 心电图的产生

2.1.2 心电图的波形及意义

2.1.3 标准心电数据库

2.2 房颤的产生机理及分类

2.2.1 房颤的产生机理

2.2.2 房颤的分类

2.3 房颤在心电图中的特征表现

2.4 本章小结

第3章基于心房活动的底层特征提取

3.1 白化

3.1.1 白化的基本原理

3.1.2 心电信号的白化处理

3.2 基于稀疏表示的心电信号稀疏系数求解

3.2.1 稀疏表示的基本原理

3.2.2 心电信号的稀疏系数求解

3.3 池化

3.3.1 池化的基本思想

3.3.2 心电信号的池化

3.4 本章小结

第4章基于卷积神经网络的房颤检测

4.1 深度学习理论

4.2 卷积神经网络

4.3 基于卷积神经网络的房颤检测算法

4.3.1 特征预训练阶段

4.3.2 权值微调阶段

4.4 本章小结

第5章实验结果与分析

5.1 实验相关知识说明

5.2 实验结果及有效性验证

5.3 本章小结

第6章总结与展望

6.1 工作总结

6.2 工作展望

参考文献

致谢

攻读硕士学位期间取得的科研成果

【相似文献】