發(fā)布時間：2021-04-12 22:16

  近年來,隨著社會的發(fā)展和人口老齡化現(xiàn)象的日益凸顯,心血管疾病的發(fā)病率在全球范圍內(nèi)呈明顯增長趨勢,與此同時房顫的發(fā)病率也在逐年增長。不僅如此,因房顫引發(fā)的并發(fā)癥如:腦梗塞、高血壓等,對人類的生命健康產(chǎn)生了嚴重的危害。因此,開發(fā)房顫檢測系統(tǒng)并及早地預(yù)防和發(fā)現(xiàn)房顫,對改善患者的醫(yī)療質(zhì)量和經(jīng)濟負擔等具有重要的臨床和現(xiàn)實社會意義。房顫檢測雖然受到學者的廣泛關(guān)注,但是無論是數(shù)據(jù)特征提取還是檢測分類都存在不足之處�；诖�,本文提出了一種基于心房活動特征和卷積神經(jīng)網(wǎng)絡(luò)的房顫檢測算法,主要研究工作如下:(1)提取心房活動的底層特征。本文首先將每個心拍轉(zhuǎn)化為多個心電信號片段,并對其進行白化處理,去除數(shù)據(jù)間的冗余信息;然后選取一部分白化數(shù)據(jù)構(gòu)造稀疏字典,根據(jù)此字典求解稀疏系數(shù);最后,由于存在多個心電片段而使得每個心電信號得到的稀疏特征維度過高,因此為了避免出現(xiàn)過擬合并能夠獲得理想的檢測結(jié)果,本文對其進行池化處理,從而獲得心房活動的底層特征。(2)選用卷積神經(jīng)網(wǎng)絡(luò)進行房顫檢測。卷積神經(jīng)網(wǎng)絡(luò)是一種高效特征學習與自動分類相結(jié)合的深層網(wǎng)絡(luò),因此本文將已經(jīng)學習到的底層特征輸入到卷積神經(jīng)網(wǎng)絡(luò)中再次進行特征學習;根據(jù)輸入數(shù)據(jù)的特點不斷調(diào)整網(wǎng)絡(luò)的各個參數(shù)使之達到最優(yōu);最后將學習到的特征進行組合分類,進而達到房顫檢測的目的。采用MIT-BIH房顫數(shù)據(jù)庫進行實驗來評價本算法檢測房顫的可行性,并且與各類算法的檢測結(jié)果進行對比,實驗結(jié)果表明本文算法具有良好的檢測性能。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R541.75;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 戴康;王曉瓊;;神經(jīng)網(wǎng)絡(luò)在藥動學評價中的應(yīng)用[J];醫(yī)藥導報;2007年09期

2 蔡云;;收斂非線性神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性[J];國外醫(yī)學.生物醫(yī)學工程分冊;1991年01期

3 王繼成,呂維雪;基于神經(jīng)網(wǎng)絡(luò)的心電數(shù)據(jù)壓縮[J];生物醫(yī)學工程學雜志;1993年03期

4 段新昱,林家瑞;神經(jīng)網(wǎng)絡(luò)在心電信號分析處理中的應(yīng)用[J];國外醫(yī)學.生物醫(yī)學工程分冊;1993年01期

5 Miller A S ,張永紅;神經(jīng)網(wǎng)絡(luò)在醫(yī)學信號處理方面的應(yīng)用[J];國外醫(yī)學.生物醫(yī)學工程分冊;1993年04期

6 王繼成;呂維雪;;基于符號神經(jīng)網(wǎng)絡(luò)的心臟疾病自動診斷[J];北京生物醫(yī)學工程;1993年03期

7 劉子皇;;胞神經(jīng)與類胞神經(jīng)網(wǎng)絡(luò)的動力學范圍的準確估計[J];中山大學研究生學刊(自然科學版);1995年03期

8 鄒睿,歐陽楷,劉悅;神經(jīng)網(wǎng)絡(luò)中的微心理學——兼論人工神經(jīng)網(wǎng)絡(luò)框架[J];山東生物醫(yī)學工程;1998年01期

9 鄒凌云;王正志;黃教民;;基于位置特異性譜和輸入加權(quán)神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)亞細胞定位預(yù)測(英文)[J];遺傳學報;2007年12期

10 成剛;吳小玲;夏杰;張炯;肖富男;崔燕南;周荃;劉永康;李珊;;基于神經(jīng)網(wǎng)絡(luò)的環(huán)孢素血藥濃度預(yù)測[J];中國生物醫(yī)學工程學報;2009年06期

相關(guān)博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預(yù)測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

相碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學;2015年

本文編號：1971993