深度学习方法在长时程心电监护及房颤分析中的应用研究

发布时间：2024-02-25 22:40

　　心房颤动(简称房颤)是一种最常见且危害极大的心律失常,其特征在于心房的快速、不规则的激活。房颤患者可能没有明显感受,也有可能心乱如麻、浑身乏力甚至呼吸难受。尤其重要的是,房颤患者的中风风险是正常人的五倍,此外,房颤通常还与心力衰竭、残疾、死亡等字眼联系在一起。一旦患上房颤,生活质量收到严重影响。房颤患者的人群数量极大,房颤的患病率随年龄的增长而增大,50岁之前发生房颤很少见,而到80岁时,大约10%的人被确诊为房颤患者。随着人口老龄化严重,房颤诊断及其治疗已经成为了一项刻不容缓的工作。房颤通常使用心电图来诊断。房颤发生时,房颤患者的心电图特征发生明显异常,包括R-R间期不规律及其P波消失、转换为快速房颤波等。随着房颤患者增多、智能采集设备发展,长时程心电监护需求增大,临床医生压力也随之增大。因此,房颤的自动诊断方法成为了研究热门。通过计算机自动诊断房颤,不管是给医生起到初筛的作用,或者是在房颤治疗后进行院外随访,亦或是通过智能穿戴式设备对健康人群进行实时监测,以便及时发现病症以就医,具有重大意义:本文基于长时程心电监护及深度学习分析方法,主要做了以下三部分工作:1.使用智能穿戴式设备对...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 房颤检测算法的研究现状
    1.3 本文的主要研究内容与贡献
    1.4 本论文的结构安排
第二章 长时程心电监测及房颤心电数据采集
    2.1 引言
    2.2 心电信号基础
    2.3 长时程心电监测及智能穿戴系统
    2.4 临床房颤患者心电数据采集
    2.5 国际标准心电数据库房颤数据
    2.6 本章小结
第三章 基于差分阈值的心电R波定位研究
    3.1 引言
    3.2 心电数据噪声处理
    3.3 心电信号R波定位
    3.4 基于R波定位的数据清洗
    3.5 本章小结
第四章 基于卷积神经网络的房颤自动诊断
    4.1 引言
    4.2 房颤的房室传导特征
    4.3 卷积神经网络自动分类方法
    4.4 基于R-R间期特征的卷积神经网络分析
    4.5 基于F波特征的卷积神经网络分析
    4.6 基于混合房室传导特征的卷积神经网络分析
    4.7 国际标准数据库测试与性能评估
    4.8 临床数据测试与性能评估
    4.9 本章小结
第五章 基于智能心电T恤的临床房颤分析
    5.1 引言
    5.2 长时程临床数据诊断
    5.3 心率变异性分析
    5.4 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3910952