基于深度学习的心电信号识别分类算法研究

发布时间：2021-10-26 03:43

　　随着社会不断进步和生活压力的不断上升,心脏疾病已经成为威胁人类健康的重要因素。心电信号（ECG）表征了人体心脏的电活动,可以通过心电图直观展现出来,在心脏疾病发病前,心电信号中一般会出现相应的心律失常现象,因此,对心电信号进行识别分类研究,对心脏病的诊断和治疗具有重要的意义。由此许多专家和学者对心电信号的识别分类进行了大量研究。心电信号的识别分类通常包括心电信号采集、心电信号预处理、提取心电特征、设计识别分类器等步骤。心电信号常含干扰噪声,噪声的存在会影响后期心电信号特征点R波峰的准确检测,并影响对心电信号识别分类率,故心电信号的预处理是心电信号识别分类的关键步骤。针对现有的滤波算法并未考虑滤波后残留在心电信号中的噪声,本文根据心电信号与噪声在频率上区别,以MIT-BIH心律失常数据库中的信息为对象,首先对MIT-BIH心电数据库中的50Hz工频干扰设计有限冲击响应（FIR）陷波器进行滤波,对基线漂移采用中值滤波器进行滤除,对肌电干扰设计巴特沃斯低通滤波器进行滤波处理。为了保证残留在心电信号中的噪声有效滤除,在数字滤波后,又采用小波无偏风险估计阈值法对心电信号进行双重滤波,采用“db5... 

【文章来源】：重庆理工大学重庆市

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

正常心电信号图

MIT-BIH心电数据库中五种常见心电信号类型图

生物神经元结构图

【参考文献】：
期刊论文
[1]一种基于MBE和HHT的心电信号自动分类方法[J]. 董彬,王阳,刘志文.  航天医学与医学工程. 2017(01)
[2]基于EMD和ApEn特征提取的心律失常分类研究[J]. 王金海,史梦颖,张兴华.  仪器仪表学报. 2016(S1)
[3]基于小波变换和K-means聚类算法的心电信号特征提取[J]. 王瑞荣,余小庆,朱广明,王敏.  航天医学与医学工程. 2016(05)
[4]心电信号噪声处理的研究[J]. 李文涛.  数字技术与应用. 2016(08)
[5]基于EEMD消除ECG基线漂移的新算法[J]. 彭云.  信息系统工程. 2014(08)
[6]基于改进遗传模拟退火K-means的心电波形的分类研究[J]. 何云斌,张晓瑞,万静,李松.  计算机应用研究. 2014(11)
[7]基于小波和形态学的窦房结电图消噪算法研究[J]. 施雯,周严.  电子测量技术. 2014(04)
[8]基于HHT的心电信号滤波算法的研究[J]. 张喜红,王玉香,杨清志.  吉林化工学院学报. 2014(01)
[9]基于Hilbert-Huang变换的QRS波检测算法研究[J]. 行鸿彦,黄敏松.  仪器仪表学报. 2009(07)
[10]心电信号的小波阈值去噪算法研究[J]. 万红,姜凤茹.  微计算机信息. 2008(21)

硕士论文
[1]基于小波变换的心电信号去噪识别的研究与实现[D]. 郑鑫.北京邮电大学 2017
[2]基于深度置信网络的心律失常分类算法研究[D]. 白洋.河北大学 2016
[3]基于深度神经网络的心电图自动分类方法研究与实现[D]. 樊承柱.山东大学 2016
[4]心电信号的预处理及特征提取算法研究[D]. 杜鹏飞.郑州大学 2015
[5]心电信号的分析与识别方法研究[D]. 张波.电子科技大学 2014
[6]基于RBF神经网络的心电信号分类识别技术研究[D]. 李彩玉.云南大学 2012
[7]心电信号预处理算法研究[D]. 马婵.杭州电子科技大学 2009



本文编号：3458759