基于心音心电的心血管疾病自动诊断技术研究

发布时间：2021-10-13 21:20

　　心电和心音在心血管疾病的早期预测和诊断中扮演着重要的角色。伴随着机器学习的快速发展,利用心电图（ECG）和心音图（PCG）对心血管疾病进行自动诊断得到了研究人员的大量关注。但是,由于心脏活动的复杂性和个体差异性,基于心音图或者心电图的心血管疾病自动诊断仍面临巨大的挑战。在以往的相关研究中,研究人员大多针对单一的数据源,心电图或心音图进行信号分析和算法开发,而基于多模态数据的相关研究较少。而临床上医生对于心血管疾病的确诊大都是基于多种模态的检测数据,例如心音,心电图,生化标志物,心脏彩超等等。因此在心血管疾病自动诊断方面,开发一种基于多模态的数据源来进行心血管疾病的自动诊断是十分必要的。PhysioNet在2016年公开了同时包含心音和心电的心血管疾病数据集。以此数据集为基础,本文提出了基于机器学习的数学模型来进行心血管疾病的预测分类。我们利用结合卷积神经网络和循环神经网络的CL-ECG-Net对心电信号进行监督学习,并提取心电深度编码特征。再利用以CL-ECG-Net为基础的,增加多通道输入的CL-PCG-Net对心音信号进行监督学习,并且提取心音深度编码特征。然后用遗传算法对拼接的双... 

【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】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 基于心电的心血管疾病自动诊断研究现状
        1.2.2 基于心音的心血管疾病自动诊断研究现状
        1.2.3 基于心电和心音的心脏疾病自动诊断研究现状
    1.3 本文主要研究问题
    1.4 章节安排
第2章 神经网络理论介绍
    2.1 卷积神经网络
        2.1.1 前向传播
        2.1.2 反向传播
    2.2 循环神经网络
        2.2.1 网络结构
        2.2.2 衍生网络LSTM
    2.3 本章小结
第3章 基于ECG的心血管疾病自动诊断
    3.1 心电信号预处理
        3.1.1 数据准备
        3.1.2 心电滤波
        3.1.3 心电去坏点
    3.2 心电神经网络介绍
        3.2.1 卷积神经网络获取空间信息
        3.2.2 循环神经网络获取时间信息
    3.3 仿真实验
        3.3.1 验证方法和评价标准
        3.3.2 实验和结果
        3.3.3 特征提取和分析
    3.4 本章小结
第4章 基于PCG的心血管疾病自动诊断
    4.1 心音信号预处理
        4.1.1 心音去噪声
        4.1.2 心音频带分解
    4.2 心音网络结构介绍
    4.3 仿真实验
        4.3.1 实验和结果
        4.3.2 特征提取和分析
    4.4 本章小结
第5章 基于ECG和PCG的心血管疾病自动诊断
    5.1 SVM理论介绍
    5.2 基于主成分分析的特征融合
        5.2.1 PCA理论介绍
        5.2.2 PCA实验和结果
    5.3 基于遗传算法的特征筛选
        5.3.1 GA理论介绍
        5.3.2 GA仿真实验
        5.3.3 GA结果和分析
    5.4 本章小结
总结与展望
参考文献
致谢
攻读学术期间发表的学术论文
学位论文评阅及答辩情况表



本文编号：3435421