基于UMPCA的12导ECG特征提取和分类研究

发布时间：2017-05-14 07:12

  本文关键词：基于UMPCA的12导ECG特征提取和分类研究，由笔耕文化传播整理发布。

【摘要】：心电信号（ECG）的数据处理是一个极具科研价值和应用价值的研究课题。本文主要围绕12导联ECG特征提取和分类问题，提出一个精确、可行的技术方案，包括数据去噪、波形切分、时频域分析、张量表征、特征抽取、数据分类及其实际应用。 在数据表征方面，先前所做的研究大多基于2导联ECG数据库，选用向量作为数据表征形式，取得不错的分类精度；但是临床实际所用为12导联ECG，直接将2导联数据串行化的处理方法套用到12导联数据往往是不可行的。本文针对12导联ECG的结构特性，使用张量作为表征形式，避免了串行化时对结构相关性的丢失，确保了特征完整性。 在特征抽取方面，大多研究仅着眼于ECG时域特征，而忽略了频域的重要特征。本文通过短时傅里叶变换、Gabor变换、Wigner-Ville分布等时频域分析的技术手段，将ECG时域数据变换为时频域数据，同时转换为张量结构。紧接着，本文提出一种多线性不相关主成分分析（UMPCA）为核心的方法，将12导ECG张量数据从张量空间投影到低维向量空间，实现特征抽取。最后，通过支持向量机（SVM）的分类实验以及与类似方法的对比，证明了该方法的有效性和优越性。 在实践应用方面，本文将研究成果应用到在线的远程心电诊断系统中为医生提供辅助诊断；同时提出了离线的数据挖掘方案，构想了大数据场景下的改进措施。
【关键词】：心电图 张量 时频域分析 特征提取 支持向量机
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TN911.7;R318.04
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 图录8-10
• 表录10-11
• 第一章 绪论11-20
• 1.1 研究背景11
• 1.2 ECG 简介11-14
• 1.2.1 ECG 产生原理12
• 1.2.2 12 导联 ECG 介绍12-14
• 1.3 ECG 数据库14-16
• 1.3.1 2 导联和 3 导联 ECG 数据库14-15
• 1.3.2 12 导联 ECG 数据库15-16
• 1.4 ECG 研究方法综述16-18
• 1.4.1 ECG 表征和预处理综述16-17
• 1.4.2 ECG 特征抽取和分类综述17-18
• 1.4.3 ECG 相关应用综述18
• 1.5 研究内容与章节安排18-20
• 第二章 张量代数基本理论20-28
• 2.1 张量基础20-24
• 2.1.1 张量表示20-21
• 2.1.2 张量运算21-22
• 2.1.3 秩-1 张量22
• 2.1.4 张量矩阵展开22-23
• 2.1.5 直接向量化23-24
• 2.2 张量投影24-27
• 2.2.1 VVP 投影24
• 2.2.2 TTP 投影24-25
• 2.2.3 TVP 投影25-27
• 2.3 张量与向量27
• 2.4 本章小结27-28
• 第三章 ECG 数据预处理28-36
• 3.1 基于小波分析的 ECG 去噪29-33
• 3.1.1 小波分析理论29-30
• 3.1.2 小波去噪30-33
• 3.2 基于中值滤波的基线去漂移33-34
• 3.3 基于统计的心跳划分34-35
• 3.4 本章小结35-36
• 第四章 ECG 特征抽取36-54
• 4.1 经典方法介绍36-39
• 4.1.1 主成分分析36-37
• 4.1.2 独立成分分析37-39
• 4.2 时频域分析39-42
• 4.2.1 傅里叶变换39-40
• 4.2.2 短时傅里叶变换40-41
• 4.2.3 Gabor 变换41-42
• 4.2.4 Wigner-Ville 分布42
• 4.3 不相关多线性主成分分析42-53
• 4.3.1 UMPCA 问题描述43-44
• 4.3.2 UMPCA 启发式算法求解44-48
• 4.3.3 UMPCA 用于 ECG 特征抽取48-53
• 4.4 本章小结53-54
• 第五章 ECG 分类实验54-64
• 5.1 支持向量机54-56
• 5.1.1 SVM 原理54-56
• 5.1.2 多类分类策略56
• 5.2 ECG 分类实验56-62
• 5.2.1 数据预处理和时频域变换57-59
• 5.2.2 特征抽取和分类59-61
• 5.2.3 不同方法比较61-62
• 5.3 本章小结62-64
• 第六章 ECG 辅助决策及数据挖掘应用64-73
• 6.1 智能远程心电诊断系统64-69
• 6.1.1 系统框架介绍64-68
• 6.1.2 ECG 自动分析实践68-69
• 6.2 离线 ECG 数据挖掘69-72
• 6.2.1 离线的误诊统计方案70-71
• 6.2.2 大数据场景解决方案71-72
• 6.3 本章小结72-73
• 第七章 结论与展望73-76
• 7.1 工作总结73-74
• 7.2 后期展望74-76
• 参考文献76-81
• 致谢81-83
• 攻读学位期间发表的学术论文目录83-85

【参考文献】

中国期刊全文数据库 前8条

1 戚建新，卞正中，杨强;基于微机的心电信号实时自动分析系统[J];北京生物医学工程;1997年03期

2 高仕博;程咏梅;赵永强;潘泉;魏坤;;基于张量的平稳小波变换红外图像去噪[J];光学学报;2009年07期

3 王见;李金同;卢华玲;尹爱军;;采用STFT-Wigner变换抑制Wigner-Ville分布交叉项[J];重庆大学学报;2013年08期

4 姜奇平;;大数据时代到来[J];互联网周刊;2012年02期

5 杨琬琪;高阳;周新民;杨育彬;商琳;;多模态张量数据挖掘算法及应用[J];计算机科学;2012年01期

6 张丽梅;乔立山;陈松灿;;基于张量模式的特征提取及分类器设计综述[J];山东大学学报(工学版);2009年01期

7 何伟，，陈良迟，徐晓红，谢正祥;心电信号及各组分的频率分布和有效带宽研究[J];生物医学工程学杂志;1996年04期

8 李刚,叶文宇,虞启琏,谌雅琴,刘蓉;一种虚拟心电信号发生器[J];天津大学学报;2002年01期

中国博士学位论文全文数据库 前3条

1 董元方;机器学习中的模型选择问题研究[D];吉林大学;2011年

2 赵启斌;EEG时空特征分析及其在BCI中的应用[D];上海交通大学;2008年

3 李朝迁;矩阵和高阶张量特征值的定位与估计[D];云南大学;2012年

  本文关键词：基于UMPCA的12导ECG特征提取和分类研究，由笔耕文化传播整理发布。

本文编号：364510