学位论文 > 优秀研究生学位论文题录展示

基于小波变换与神经网络的心电图分类方法研究

作　者: 范玉庆
导　师: 王小华
学　校: 长沙理工大学
专　业: 电路与系统
关键词: 心电图分类 特征提取 滤波 概率神经网络 小波变换
分类号: TP18
类　型: 硕士论文
年　份: 2013年
下　载: 32次
引　用: 0次
阅　读: 论文下载
 

内容摘要


近几年伴随着城市居民生活、工作节奏的加快和饮食规律的紊乱，心脏疾病已成为现代社会的高发病症，心电图能反映人体心脏的工作状况，是对心脏疾病进行诊断的重要依据，因此，对大量的心电图信息进行处理的过程就要求更加准确，实时性能更高。所以计算机对心电图的自动分类方法就越来越受到广大群众尤其是研究者们的高度重视。本文研究基于小波变换与概率神经网络相结合的心电图自动分类的方法。由于心电信号是非常微弱的信号,单位为毫伏(mV)级的，所以非常容易受到环境的影响，噪声对它的干扰较大，如果不加滤波，直接提取波形特征，会因为噪声的加入而影响特征值的质量，也会降低网络的准确率和泛化能力。如何将肌肉震颤和工频干扰，即高频干扰的频率成分，及基线漂移，即低频信号成分滤除对进行后续特征提取和分类工作的准确率非常重要。所以本论文先采用小波算法对心电图信号中因肌肉震颤、工频干扰、基线漂移等引起的高低频噪声进行滤波处理，并利用数学形态学对心电图的QRS波进行检测定位和特征提取，提取出心电图的十二基本特征值，然后采用并行概率神经网络对心率异常诊断进行实时又准确的分类，完善概率神经网络心电图分类算法。仿真实验表明该心电图自动分类方法的准确率达到了百分之九十五以上，运行时间在几秒到十几秒之内。该算法的研究提高了心电图分类的速度和准确率，对医务人员针对心脏疾病进行快速和准确地诊断具有重要意义和实用价值。

全文目录


摘要  5-6
ABSTRACT  6-9
第一章 绪论  9-15
  1.1 引言  9-10
  1.2 心电图自动分类研究的目的与意义  10
  1.3 心电图自动分类的研究方式  10-11
  1.4 心电图标准数据库  11-14
    1.4.1 心电图标准数据库的发展历程  11-12
    1.4.2 定量心电图通用标准的数据库概述  12
    1.4.3 美国心脏协会数据库概述  12-13
    1.4.4 心律失常标准数据库概要  13-14
    1.4.5 本文所选用的数据集  14
  1.5 本文的行文结构安排  14-15
第二章 心电图小波除噪  15-24
  2.1 心电信号的干扰因素  15-16
    2.1.1 工频干扰  15
    2.1.2 基线漂移  15-16
    2.1.3 肌电干扰  16
    2.1.4 电极的接触噪声  16
  2.2 心电信号小波除噪的原理  16-21
    2.2.1 小波变换简介  16-17
    2.2.2 选择小波基进行心电图除噪时应考虑的因素  17-20
    2.2.3 傅立叶变换、Gabor 变换及小波变换三种变换的特点对比  20-21
  2.3 基于 Biorthgonal 小波变换的心电图除噪  21-24
    2.3.1 Biorthgonal 小波基进行心电图除噪的优势  21-22
    2.3.2 bior 小波心电图除噪的基本原理  22-24
第三章 心电图波定位及特征提取  24-31
  3.1 心电图各波的定位  24-29
    3.1.1 QRS 波群的定位  25-27
    3.1.2 心电图 P 波的检测  27-28
    3.1.3 心电图 ST-T 段的特点分析及检测  28-29
  3.2 本文对心电图各特征波的检测  29-31
第四章 心电图概率神经网络分类  31-38
  4.1 反向误差传播(BP)神经网络心电图分类模型的特点  31
  4.2 RBF 神经网络心电图分类模型的特点  31-32
  4.3 概率神经网络心电图分类模型的优势  32-34
    4.3.1 概率神经网络中主要参数的设置原则  32-33
    4.3.2 概率神经网络结构优势  33
    4.3.3 概率神经网络的实时运行优势  33-34
  4.4 概率神经网络的心电图分类原理  34-38
    4.4.1 心电图分类模型中所使用的贝叶斯判定策略  34-36
    4.4.2 概率神经网络心电图分类原理  36-38
第五章 心电图自动分类实验仿真  38-46
  5.1 实验样本来源  38
  5.2 小波变换对心电图滤波  38-39
  5.3 心电图特征提取  39-40
  5.4 心电图特征提取  40-44
    5.4.1 概率神经网络心电图分类的网络结构  40
    5.4.2 概率神经网络的输入向量  40-41
    5.4.3 概率神经网络的隐层工作过程  41
    5.4.4 输出向量及输出层工作原理  41-44
  5.5 心电图实验仿真结果  44-46
第六章 结论及展望  46-48
  6.1 结论  46-47
  6.2 展望  47-48
参考文献  48-52
致谢  52-53
附录A（攻读硕士学位期间发表论文目录）  53

相似论文

  1. 基于FPGA的电磁超声检测系统的研究,TH878.2
  2. 慢光光纤陀螺信号检测电路设计,V241.5
  3. 基于微型无人平台导航多传感器信息融合算法研究,V249.32
  4. SINS/GPS组合导航系统算法研究,V249.328
  5. 基于陀螺和星敏感器的卫星姿态确定研究,V448.2
  6. 机载导弹的传递对准研究,V249.322
  7. 基于多Agent理论的卫星协同定轨技术研究,V474
  8. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  9. 基于LIN总线的电动车窗控制方法研究,U463.6
  10. 带径向速度观测的跟踪算法研究,TN953
  11. 基于VRPF的机动目标跟踪的研究,TN957.52
  12. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  13. 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
  14. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  15. 图像的稀疏表示及编码模型研究,TP391.41
  16. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  17. 空间交会接近视觉测量方法研究,TP391.41
  18. 唇读中的特征提取、选择与融合,TP391.41
  19. 基于图像的路面破损识别,TP391.41
  20. 移动机器人视觉检测和跟踪研究,TP242.62
  21. 高光谱与高空间分辨率遥感图像融合算法研究,TP751

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com