基于深度学习的心血管疾病智能预测与精确诊断算法研究
发布时间：2024-06-02 08:12
随着我国人口结构和社会环境的改变,心血管病已经超越肿瘤成为致死率第一的疾病。每年居民疾病总死亡人数中40%以上是由心血管病导致的,并有逐年上升的趋势。更为严峻的是,随着大气污染的加剧和不良生活习惯的蔓延,心血管病患病人群呈现逐年年轻化趋势。心血管病的监控与防治,耗费国家大量的资金和资源,其已经成为提升国民健康水平,加快国家健康事业发展中的一大难题。心血管病高致死率的主要原因是其发病具有隐蔽性和突发性,作为临床诊断心血管病最有效的工具心电图和医学影像具有各自的特点。动态心电图的可便携性使其可实时监测和预警突发心血管病,在心血管病预测方面具有突出作用,但其为体外微弱电信号,不能窥视内因;医学影像的高精度使其可发掘心血管病本质原因,在心血管病精确诊疗方面起着突出作用,但其不具有实时性。因此,将人工智能技术与它们结合,充分发挥出心电图和医学影像各自的优势,能够有效提高心血管疾病预防和诊疗的效率,降低心血管病的致死率。针对以上问题和挑战,本文从动态心电图和医学影像两个数据层面出发,研究了心血管疾病的智能预测和精确诊断算法。在动态心电图数据层面,研究高危心血管病智能预测与实时预警算法。在医学影像数...
【文章页数】：98 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
英文缩略词
第一章 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.3 本文主要内容
1.4 论文的组织和安排
第二章 基于堆栈稀疏自动编码网络的心律失常自动识别
2.1 心律失常的心电图表现
2.1.1 心电图概述
2.1.2 常见的心律失常及心电图特征
2.2 心律失常识别的研究现状
2.3 堆栈稀疏自动编码网络
2.3.1 稀疏自动编码器
2.3.2 堆栈稀疏自动编码网络
2.4 心律失常自动识别的实现
2.4.1 心拍构建
2.4.2 堆栈稀疏自动编码网络结构设计及深度特征提取
2.4.3 Softmax分类器
2.5 实验结果与讨论
2.5.1 数据来源
2.5.2 实验结果分析
2.6 本章小结
第三章 基于回声状态网络的心源性猝死智能预测
3.1 心源性猝死的心电图特征
3.2 心源性猝死预测的研究现状
3.3 心源性猝死的智能预测
3.3.1 信号预处理
3.3.2 数据集构建
3.3.3 回声状态网络构建
3.4 实验结果与讨论
3.4.1 数据来源
3.4.2 数据库信号分析
3.4.3 实验结果
3.5 本章小结
第四章 基于光学相干图像的冠脉血管内膜轮廓自动提取
4.1 冠脉光学相干图像介绍
4.1.1 光学相干图像原理和应用
4.1.2 冠脉光学相干图像在心血管方面应用的特点
4.2 冠脉光学相干图像中血管内膜轮廓自动提取研究现状
4.3 基于线性标签最大流算法的冠脉血管内膜轮廓自动提取
4.3.1 OCT图像的小波分解及灰度分布分析
4.3.2 线性标签最大流算法实现过程
4.4 评价指标
4.5 实验结果讨论与分析
4.5.1 数据来源
4.5.2 参数选取分析
4.5.3 特殊情况讨论
4.5.4 实验结果分析
4.6 本章小结
第五章 冠脉OCT图像中斑块和易损斑块的自动识别
5.1 冠脉OCT图像中斑块特征
5.1.1 冠脉OCT图像中斑块的形成原理及图像特征
5.1.2 冠脉OCT图像中易损斑块分类及其特征
5.2 斑块自动识别的研究现状
5.3 基于A-line深度建模的斑块和易损斑块识别
5.3.1 OCT图像展开及A-line提取
5.3.2 A-line深度建模与分类网络构建
5.3.3 斑块区域自动生成
5.3.4 TCFA自动检测
5.4 实验结果分析与讨论
5.4.1 A-line分类
5.4.2 斑块和易损斑块识别
5.4.3 与其他方法结果对比
5.5 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
参考文献
致谢
个人简介及攻读学位期间取得的研究成果
本文编号：3987062
【文章页数】：98 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
英文缩略词
第一章 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.3 本文主要内容
1.4 论文的组织和安排
第二章 基于堆栈稀疏自动编码网络的心律失常自动识别
2.1 心律失常的心电图表现
2.1.1 心电图概述
2.1.2 常见的心律失常及心电图特征
2.2 心律失常识别的研究现状
2.3 堆栈稀疏自动编码网络
2.3.1 稀疏自动编码器
2.3.2 堆栈稀疏自动编码网络
2.4 心律失常自动识别的实现
2.4.1 心拍构建
2.4.2 堆栈稀疏自动编码网络结构设计及深度特征提取
2.4.3 Softmax分类器
2.5 实验结果与讨论
2.5.1 数据来源
2.5.2 实验结果分析
2.6 本章小结
第三章 基于回声状态网络的心源性猝死智能预测
3.1 心源性猝死的心电图特征
3.2 心源性猝死预测的研究现状
3.3 心源性猝死的智能预测
3.3.1 信号预处理
3.3.2 数据集构建
3.3.3 回声状态网络构建
3.4 实验结果与讨论
3.4.1 数据来源
3.4.2 数据库信号分析
3.4.3 实验结果
3.5 本章小结
第四章 基于光学相干图像的冠脉血管内膜轮廓自动提取
4.1 冠脉光学相干图像介绍
4.1.1 光学相干图像原理和应用
4.1.2 冠脉光学相干图像在心血管方面应用的特点
4.2 冠脉光学相干图像中血管内膜轮廓自动提取研究现状
4.3 基于线性标签最大流算法的冠脉血管内膜轮廓自动提取
4.3.1 OCT图像的小波分解及灰度分布分析
4.3.2 线性标签最大流算法实现过程
4.4 评价指标
4.5 实验结果讨论与分析
4.5.1 数据来源
4.5.2 参数选取分析
4.5.3 特殊情况讨论
4.5.4 实验结果分析
4.6 本章小结
第五章 冠脉OCT图像中斑块和易损斑块的自动识别
5.1 冠脉OCT图像中斑块特征
5.1.1 冠脉OCT图像中斑块的形成原理及图像特征
5.1.2 冠脉OCT图像中易损斑块分类及其特征
5.2 斑块自动识别的研究现状
5.3 基于A-line深度建模的斑块和易损斑块识别
5.3.1 OCT图像展开及A-line提取
5.3.2 A-line深度建模与分类网络构建
5.3.3 斑块区域自动生成
5.3.4 TCFA自动检测
5.4 实验结果分析与讨论
5.4.1 A-line分类
5.4.2 斑块和易损斑块识别
5.4.3 与其他方法结果对比
5.5 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
参考文献
致谢
个人简介及攻读学位期间取得的研究成果
本文编号：3987062
本文链接：https://www.wllwen.com/shoufeilunwen/yxlbs/3987062.html
教材专著
