基于多模态神经网络的心电信号自动识别算法研究

发布时间：2021-08-16 19:33

　　心电图（ECG）是医生进行心脏疾病诊断的重要依据,它是一种无创、有效的可以观测心律和心脏状态的医疗工具,通过心电图（ECG）去发现人体中不规则的心律变化在心脏病学领域是一项非常重要的课题,传统的心电识别算法准确性较差,且需要手动设计心电特征才能进行下一步的分类任务,但是这一方面需要专业的医学背景知识,另一方面对于心电图来说,手动设计的特征是完全基于人类当前对已有的心电图的认知来进行设计的,这些的特征或许很有代表性,但是却难以覆盖心电图的全部特征。随着深度学习的快速进步,在各个领域已经展现出其强大的性能,利用深度学习去解决心电图的自动识别成为医疗领域研究者的研究热点。因此本文提出使用卷积神经网络和循环神经网络的组合模型于解决心电图分类问题。本文重点研究心电信号及心电信号自动识别分类技术,主要目的是解决传统心电识别方法中特征提取过于复杂和分类效果较差的问题,提出利用多模态神经网络完成心电分类任务,心电识别过程更加简单方便且识别效果更佳。本文通过对传统心电信号识别算法进行分析,进行实验对比单一神经网络在心电信号识别上的优势与缺陷,在此基础上,根据心电信号的特点,对单一神经网络进行改造与优化,... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２－１神经元原理图??对于其中的单一神经元来说，上一个神经元的输出信息＆作为此神经元的输??

息并不断的向后传播，和当前的信息共同决定每一时刻的输出结果，这样的结构??的神经网络会像人的大脑一样具有记忆的功能，每一次的决策会结合当前的情况??和此前的记忆。ＲＮＮ的网络结构和原理如图２－２所示：??１５??

?卷积层１?池化层１?卷积层２?池化层２全连接层１全连接层２?输出层??图２－丨卷枳神经网络结构示意图??通过卷积神经网络的特征检测层在大量的数据下进行不断的学习，这样避免??了显示的特征抽取，可以获得数据中潜在的隐藏信息。随着卷积神经网络的鼻祖??ＬｅＮｅｔ的出现，越来越多的深度卷积神经网络相继诞生，并且在图像识别领域的??ＩｍａｇｅＮｅｔ比赛中大放异彩的ＡｌｅｘＮｅｔ?（人工神经网络之父Ｈｉｏｔｏｎ的学生Ａｌｅｘ所??提出，２０１２年ＩｍａｇｅＮｅｔ比赛冠军）确立了卷积神经网络在计算机视觉领域的统??治地位、ＶｇｇＮｅｔ（牛津大学和谷歌研究院提出，２０１４年ＩｍａｇｅＮｅｔ比赛定位项目??的冠军和分类项目的亚军）、ＲｅｓＮｅｔ?（微软亚研院何凯明等人提出，２０１５年??ＩｍａｇｅＮｅｔ比赛的五个主要项目冠军）等许多具有不同优点的深度卷积网络结构，??卷积神经网络ＣＮＮ广泛用于图像、音频、文本、语音等各类数据中

【参考文献】：
期刊论文
[1]基于深度信念网的心电自动分类[J]. 颜昊霖,安勇,王宏飞,牟荣增.  计算机工程与设计. 2017(05)
[2]基于卷积神经网络的T波形态分类[J]. 刘明,李国军,郝华青,侯增广,刘秀玲.  自动化学报. 2016(09)
[3]面向临床心电图分析的深层学习算法[J]. 金林鹏,董军.  中国科学:信息科学. 2015(03)
[4]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)
[5]一种基于经验模式分解的心电QRS波检测方法[J]. 李向军.  电子科技大学学报. 2007(04)
[6]一种基于Hilbert变换的R波检测算法[J]. 季虎,毛玲,孙即祥.  信号处理. 2007(03)
[7]MIT-BIH心率失常数据库的识读及应用[J]. 宋喜国,邓亲恺.  中国医学物理学杂志. 2004(04)
[8]用小波变换结合神经网络检测ECG信号的P波[J]. 谢国明,聂志伟,向华,曾照芳.  生物医学工程学杂志. 1999(03)

硕士论文
[1]基于分类算法的心电数据研究与应用[D]. 周文龙.北方工业大学 2016
[2]心电信号的异常心律分类算法研究[D]. 陈义.重庆大学 2016



本文编号：3346261