基于CAPSNET的可穿戴心电采集和心律失常检测系统研究

发布时间：2020-05-19 08:44

【摘要】：心脏病严重威胁着人们的健康。心电图能够如实的反映心脏的健康状况,是临床上检测心脏病的常用手段之一。传统的心电图机能够有效的检测心脏病,但是由于不方便携带,不能满足日常生活中时时检测的需求。同时现有的心电自动检测方法的使用效果受到特征提取等限制,其分类精度还有待提升。本文围绕便捷采集和自动检测方法的出发点,提出了一种基于CAPSNET的可穿戴心电采集和心律失常检测系统。本文的具体研究工作分为以下两个部分:设计了可穿戴心电采集装置。以STM32和AD8232为核心搭建硬件电路对心电信号进行采集,通过软件编程实现系统控制。根据心电信号的频谱特性,采集的心电信号采用了两种数字滤波方式去抑制噪声,其中自适应滤波算法用于处理心电信号中的肌电噪声,小波变换算法用于抑制基线漂移。处理后的心电信号通过蓝牙传输给上位机。构建CAPSNET模型用于检测心律失常。该CAPSNET模型包含8层,通过逐层进行特征学习和映射,获得心电信号的深层特征,最终实现心律分类。采用将特征封装成向量的方式提高了模型的鲁棒性。在深度学习工作站上使用TensorFlow框架建立并训练用于检测心律失常的CAPSNET模型。采用MIT/BIH心律失常数据库里的数据建立训练样本数据,并用这些样本数据去训练模型。通过动态路由算法微调,获得了全局最优模型。实验中采用设计的装置采集到了心电信号,并提取MIT/BIH心律失常数据库里的测试数据对CAPSNET模型进行实验评估,获得五种心律的分类精度。实现结果表明,该系统能够满足便捷采集的需求,并且该系统的CAPSNET模型对心律失常具有较好的分类性能。
【学位授予单位】：武汉纺织大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R540.41;TP274

【相似文献】