基于深度学习的心律失常分类研究与实现

发布时间：2021-04-27 07:53

　　心律失常是一种常见的心血管疾病,心血管疾病是全球死亡率最高的疾病,每年死于心血管疾病的人呈递增趋势。心律失常不总是一种不规则的心脏活动,可以发生在健康的心脏中,可能导致中风或心脏猝死等严重问题。心律失常容易引发其他病症,如心力衰竭、心绞痛、全身血管栓塞性疾病等。因此,心律失常的自动检测和分类在临床心脏病学中至关重要。传统的机器学习方法依赖于心电信号特征的人工设计和选择,限制了模型的分类精度。深度学习集传统的特征提取和分类于一体,能够自动的抽取特征值以及学习特征表示,深度学习解决心电信号自动识别已经成为研究热点。为了实现对不同类型心律失常信号的自动识别,本文提出基于深度学习的心律失常分类方法。本文利用残差网络（ResNet）、密集连接网络（DenseNet）对心电信号进行分类识别,嵌入压缩-激励（Squeeze-Excitation,SE）模块,以提高模型的分类准确率,将标准卷积替换为深度可分离卷积,以减少模型的参数量和计算量。本文的研究内容主要包括以下几个部分:1.针对原始心电信号中存在的工频干扰、基线漂移和肌电干扰等噪声,本文利用50Hz的FIR陷波滤波器、中值滤波器和巴特沃斯低通滤... 

【文章来源】：河北大学河北省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 心电信号预处理研究现状
        1.2.2 心电信号特征提取研究现状
        1.2.3 心律失常分类算法研究现状
    1.3 论文结构
第二章 心电信号和神经网络相关知识介绍
    2.1 心电信号相关知识介绍
        2.1.1 心电信号的特点
        2.1.2 心电信号的组成
        2.1.3 心律失常的基本知识简介
    2.2 神经网络相关技术
        2.2.1 人工神经网络
        2.2.2 卷积神经网络
            2.2.2.1 卷积层
            2.2.2.2 池化层
            2.2.2.3 全连接层
            2.2.2.4 BN层
            2.2.2.5 Softmax函数
        2.2.3 激活函数
        2.2.4 梯度下降法与反向传播
        2.2.5 防止过拟合策略
        2.2.6 深度学习框架
    2.3 本章小结
第三章 心电信号预处理
    3.1 心电信号中噪声干扰分析
    3.2 心电信号滤波
    3.3 划分心拍
    3.4 本章小结
第四章 基于SE-ResNet-16 的心律失常分类识别
    4.1 深度可分离卷积
    4.2 SE模块
    4.3 ResNet网络
    4.4 SE-ResNet-16 网络
    4.5 实验结果分析
        4.5.1 实验数据和实验环境
            4.5.1.1 实验数据
            4.5.1.2 实验环境
        4.5.2 评价标准
        4.5.3 实验设置
        4.5.4 结果分析
    4.6 本章小结
第五章 基于SE-DenseNet的心律失常分类识别
    5.1 DenseNet网络
    5.2 SE-DenseNet网络
    5.3 实验结果分析
        5.3.1 实验数据和实验环境
        5.3.2 评价标准
        5.3.3 实验设置
        5.3.4 结果分析
    5.4 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 展望
参考文献
致谢



本文编号：3163091