基于心电信号的身份识别与心律失常识别方法研究

发布时间：2020-12-07 20:57

　　心电信号是心脏活动产生的生物电信号。研究表明,心电信号可以作为身份识别任务的生物特征,相比人脸、指纹、虹膜等生物特征,心电信号具有活体性,采集方便,不易被盗等优势,逐渐在身份识别领域得到了广泛的关注。此外,心电信号反映了心脏的健康状况,由心电信号生成的心电图（Electrocardiogram,ECG）是医生诊断和病理分析的重要工具,然而人工分析心电图的方法费时费力,研究一种快速、准确的心律失常识别方法可以极大地减轻医务工作者的负担,具有很高的应用价值。本文将深度学习的技术应用到了心电信号的身份识别和心律失常识别两个领域。我们提出了基于两阶段神经网络模型的心电识别方法。传统的心电身份识别方法大多是提取基准点的特征,也有一部分是提取频域上的特征,然而这类方法在低质量的心电信号上识别效果不好。基于移动设备采集到的心电信号通常存在很大的噪声,个别心动周期的波形变化很大,会极大地影响最终的识别性能,然而传统的滤波方法很难直接去除这些无效的心动周期,因此,我们设计了一维卷积神经网络模型对心电信号的心动周期进行质量评定,过滤掉无效的心动周期。在第二阶段,我们将多个心动周期的特征组合成输入序列,利用... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图１－１典型的心电信号波形??

隐含层和输出层组成。输入层里的神经元只负责传输数据，不做计算，??隐含层往往由多层神经元组成，负责输入数据的非线性映射，即输入空间到特征??空间的映射，输出层负责神经网络的输出。图２－２表示了经典的全连接神经网络。??隐含层??馨??图２－２经典的全连接神经网络??神经网络的层数、每层的神经元个数，以及连接方式等参数需要根据个人的??经验预先设置，这样的参数即为超参数。而网络中的连接权和偏置是随机初始化??的，往往不是最优值，因此需要通过监督学习的方式训练网络中的权重和偏置量，??使得神经网络的输出结果和真实结果的误差尽可能小。用一个损失函数来度量输??１２??

ｘ３?－＾Ｗ３?｜??ｂ??图２－１?ＭＰ神经元模型??其中，／为激活函数，Ｗｉ表示连接线上的权重，６为偏置量。在经典的神经网??络中，一般使用ｓｉｇｍｏｉｄ函数作为激活函数：??似＝?（２＇２）??大量神经元组合形成的一种分层式结构即为神经网络模型。通常，神经网络??由输入层，隐含层和输出层组成。输入层里的神经元只负责传输数据，不做计算，??隐含层往往由多层神经元组成，负责输入数据的非线性映射，即输入空间到特征??空间的映射，输出层负责神经网络的输出。图２－２表示了经典的全连接神经网络。??隐含层??馨??图２－２经典的全连接神经网络??神经网络的层数、每层的神经元个数，以及连接方式等参数需要根据个人的??经验预先设置

【参考文献】：
期刊论文
[1]右束支传导阻滞的临床意义[J]. 任云霞,范春雨.  中国心脏起搏与心电生理杂志. 2017(01)

硕士论文
[1]ECG信号身份识别技术与算法研究[D]. 陈甸甸.杭州电子科技大学 2013



本文编号：2903889