用于心脏传导阻滞定位的心电卷积神经网络算法研究

发布时间：2023-04-08 01:17

　　目的:心脏传导阻滞是一种常见的心血管疾病,严重的心脏传导阻滞类疾病能够威胁人的生命。通过识别心电图可以便捷高效的诊断心脏传导阻滞类疾病,心电图是临床诊断心脏传导阻滞的常用方法。卷积神经网络是近年发展起来的算法,在图像识别和语音识别领域已经达到应用级别。心脏传导阻滞的心电图识别研究有很大的临床意义,本研究设计一种卷积神经网络算法,实现对心脏传导阻滞定位的准确识别。研究方法:基于卷积神经网络提出本研究的核心算法:多分辨率带连接的ResNet,该网络是在ResNet网络基础上的对网络结构和参数的优化。以医院的12导联心电数据和MIT-BIH心律失常数据库中的II导联心电数据为本研究的数据来源,从中提取训练集和测试集分别用于训练和测试网络,并将多分辨率带连接的ResNet和已有的经典的卷积神经网络进行对比,将训练结果进行可视化和统计学指标分析,画出训练集的收敛曲线、测试集的混淆矩阵、ROC曲线,并计算出准确率、特异度、敏感度、F1分值、AUC值,以评估多分辨率带连接的ResNet和经典卷积神经网络的性能,进行对比分析。结果:1、与经典的卷积神经网络相比,多分辨率带连接的ResNet收敛得更快,...

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
英文缩略语
1 前言
2 数据与方法
    2.1 材料
        2.1.1 临床数据库的数据
        2.1.2 来自公共数据库的数据
        2.1.3 数据的训练集、测试集设计
    2.2 实验环境
    2.3 深度学习网络
    2.4 评价指标与统计学分析
3 实验结果
    3.1 使用医院的数据的结果
    3.2 使用MIT-BIH心律失常数据库的结果
4 结论与讨论
5 展望
本研究创新性自我评价
参考文献
综述
    参考文献
攻读学位期间取得的研究成果
致谢
个人简历



本文编号：3785706