基于深度学习的心电信号识别

发布时间：2021-01-30 14:36

　　心电信号识别是心律失常智能诊断的关键。随着24小时动态心电图监测的发展,使得同一病患需要诊断的心拍数量过于庞大,仅靠医生已经无法处理,针对上述问题,本文利用动态监测的心电信号的大数据特征,结合深度学习网络对心电信号的特征提取和识别进行了深入研究和分析。主要内容包括:论文详细分析了心电信号的产生机理和波形特征,研究了心电信号特征提取方法,系统地阐述了心电信号识别中特征提取和分类在国内外的研究现状,并对深度学习和识别的相关算法进行了详细分析,包括单隐含层前馈神经网络、反向传播算法、自编码器、稀疏自编码器和极限学习机。根据心电信号中基线漂移、肌电干扰和工频干扰三种噪声的特点,及心电信号的主要频段和干扰频段的差异,分别设计相应的数字滤波方式去除心电信号中的噪声;构造自适应双阈值函数对去噪后的心电信号进行峰值定位,实现R峰的精准定位;最后以检测到的R波为基准,分别向前向后取点,截取心拍。构建深度堆栈网络（Deep stacked network,DSN）,其核心是利用堆叠多个稀疏自编码器的逐层学习,有效地完成从低维到高维的心电信号特征提取,与Softmax分类器结合构建深度堆栈网络,完成心电信号... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

心脏传导系统示意图

【参考文献】：
期刊论文
[1]基于深度学习和模糊C均值的心电信号分类方法[J]. 吴志勇,丁香乾,许晓伟,鞠传香.  自动化学报. 2018(10)
[2]基于小波变换和支持向量机的心电信号ST段分类[J]. 杨宇,司玉娟,宋晓洋.  吉林大学学报(信息科学版). 2016(03)
[3]心脏性猝死高危患者的预测与防治[J]. 张庆东.  中外医学研究. 2015(35)
[4]心电信号自动识别技术现状与展望[J]. 马瑞青,蔡云鹏.  集成技术. 2014(03)
[5]心电信号特征点提取的算法研究[J]. 行鸿彦,黄敏松.  仪器仪表学报. 2008(11)
[6]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)
[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)

硕士论文
[1]心电信号临床信息的自动识别研究[D]. 高彩红.江苏大学 2010



本文编号：3009073